GBDT二分类预测V2
GBDT二分类预测V2提供了针对GBDT二分类V2训练组件的预测功能,使用梯度提升决策树 (Gradient Boosting Decision Trees) 进行二分类问题的预测。
支持计算资源
支持的计算引擎为MaxCompute。
算法原理
梯度提升决策树模型构建了一个由多棵决策树组成的组合模型。每一棵决策树对应一个弱学习器,将这些弱学习器组合在一起,可以达到比较好的分类或回归效果。
梯度提升的基本递推结构为:

其中,通常为一棵 CART 决策树,
为决策树的参数,
为步长。第m棵决策树在前m-1棵决策树的基础上对目标函数进行优化。最终得到包含若干棵决策树的模型。
算法使用
该算法使用GBDT二分类V2训练得到的模型,对数据进行二分类预测。
可视化配置参数
输入桩配置
输入桩(从左到右) | 限制数据类型 | 建议上游组件 | 是否必选 |
模型 | 无 | 是 | |
数据 | 无 | 是 |
右侧参数表单
页签 | 参数 | 是否必选 | 描述 | 默认值 |
字段设置 | 预测结果列名 | 是 | 预测结果列名。 | prediction_result |
预测详细信息列名 | 否 | 预测详细信息列名。 | prediction_detail | |
算法保留列 | 否 | 保留列名,默认保留所有列。 | 无 | |
执行调优 | 节点数 | 否 | 执行作业的节点数。 | 根据输入数据自动计算 |
内存 | 否 | 节点所使用的内存数,单位为MB。 | 根据输入数据自动计算 |
输出桩说明
输出桩 | 存储位置 | 下游建议组件 | 模型类型 |
预测结果 | 不需要配置 | 无 |