归一化批预测_人工智能平台 PAI(PAI)-阿里云帮助中心

使用归一化训练的模型，对数据进行归一化批预测。

使用限制

支持的计算引擎为MaxCompute和Flink。

算法简介

将数据归一到minValue和maxValue之间，value最终结果为 (value - min) / (max - min) * (maxValue - minValue) + minValue，最终结果的范围为[minValue, maxValue]。

minValue和maxValue由用户指定，默认为0和1。

需要加载由归一化训练组件训练的模型。

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

预测输入模型

无

归一化训练

是

预测输入数据

无

读数据表

读CSV文件

是

【右侧参数表单】

页签	参数	描述
参数设置	输出结果列列名数组	可选，归一化之后新的列名，需要与训练时的选择的列数保持一致，半角逗号间隔。
参数设置	组件多线程线程个数	默认为1。
执行调优	节点个数	与单个节点内存大小参数配对使用。取值为[1, 9999]的正整数。
执行调优	单个节点内存大小，单位M	取值范围为1024 MB~64*1024 MB。

【输出桩说明】

输出桩（从左到右）	存储位置）	下游建议组件	模型类型
输出结果	不需要配置	无	无

具体示例

您可以将以下代码复制到PyAlink脚本组件中，使PyAlink脚本组件实现与该组件相同的功能。

from pyalink.alink import *

def main(sources, sinks, parameter):
    model = sources[0]
    batchData = sources[1]
    predictor = MinMaxScalerPredictBatchOp()
    result = predictor.linkFrom(model, batchData)
    result.link(sinks[0])
    BatchOperator.execute()