离线调度

数据集

本实验训练数据集包括2016年09月19日和2016年09月20日的历史数据，针对2016年09月21日的数据进行预测，使用MaxCompute分区表。数据集的具体字段如下。

字段名	类型	描述
id	STRING	广告的唯一标识。
age	DOUBLE	广告投放人群的年龄。
sex	DOUBLE	广告投放人群的性别。1表示男性，0表示女性。
duration	DOUBLE	广告在界面的停留时长，单位为秒。
place	DOUBLE	广告投放位置，按照投放位置从上到下的顺序依次为0～4。
ctr	DOUBLE	广告CTR。如果广告点击量除以展现量的结果大于0.03，则该参数取值为1，反之为0。
dt	STRING	年月日，格式为YYYYMMDD。

本实验数据表ad的示例如下。

步骤一：创建实验

1. 构建实验流程。
   1. 在左侧导航栏，单击组件。
   2. 在组件列表，将源/目标下的读数据表组件向画布中拖入两个，并分别重命名为ad-1和ad-2。
   3. 在组件列表，将数据预处理 > 数据合并下的归一化组件向画布中拖入两个。
   4. 在组件列表，将机器学习 > 二分类下的逻辑回归二分类组件拖入画布中。
   5. 在组件列表，将机器学习下的预测组件拖入画布中。
   6. 在组件列表，将源/目标下的写数据表组件拖入画布中，并重命名为ad_result-1。
   7. 将以上组件拼接为如下实验。
      

      序号	描述
      ①	数据源导入。
      ②	数据预处理。
      ③	模型训练。
      ④	预测。

2. 配置组件参数。
   1. 分别单击画布中的ad-2（训练数据源）和ad-1（预测数据源）组件，在右侧面板，配置实验数据源。

      页签	参数	描述
      表选择	表名	输入ad。
      	分区	选中分区复选框。
      	参数	配置为 dt=@@{yyyyMMdd}，确定预测数据为每天的增量数据。
      字段信息	源表字段信息	配置表选择后，系统会自动同步该数据表的源表字段信息，无需手动配置。

   2. 单击画布中的逻辑回归二分类组件，在右侧面板，配置参数（仅配置如下参数，其他参数使用默认值即可）。

      页签	参数	描述
      字段设置	训练特征列	选择age、sex、duration及place列。
      	目标列	选择ctr列。

   3. 单击画布中的预测组件，在右侧面板，配置参数（仅配置如下参数，其他参数使用默认值即可）。

      页签	参数	描述
      字段设置	特征列	选择age、sex、duration及place列。
      	原样输出列	选择ctr列。

3. 单击画布左上方的运行。
4. 实验运行结束后，右键单击画布中的ad_result-1，在快捷菜单，单击查看数据即可查看预测生成的结果表，如下图所示。其中prediction_result表示每个广告ID是否被点击（1表示被点击，0表示未被点击），prediction_score表示对应被点击的概率。

步骤二：离线调度

1. 使用DataWorks创建、配置并提交PAI任务，详情请参见创建机器学习（PAI）节点。
   配置调度任务时，将具体时间配置为每日凌晨0点进行训练和推送信息，详情请参见配置时间属性。
2. 在提交任务页面，单击右上方的运维，即可进入运维中心查看任务日志，详情请参见查看周期任务。