本实验以广告CTR预测场景为例，为您介绍如何使用PAI提供的数据挖掘组件进行离线调度。

背景信息

本实验流程如下：
  1. 通过历史数据，在阿里云机器学习平台上进行模型训练。
  2. 通过大数据开发套件对模型进行调度。
  3. 每天凌晨对广告投放进行CTR预测，甄选出符合标准的广告进行推送。

本实验数据集是通过Random算法随机生成的，因此不对实验结果进行评估，仅介绍如何构建实验及大数据开发套件调度。

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。离线调度示例数据

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。
      离线模型
      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。预测结果其中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。