标准化批预测_人工智能平台 PAI(PAI)-阿里云帮助中心

在数据预处理中，为了降低不同列的数据量级和范围大小带来的影响，需要将各列数据进行标准化操作。标准化之后，不同列的数据都会被限定到同一个数据范围内。标准化组件假设数据符合正态分布。

使用限制

支持的计算引擎为MaxCompute和Flink。

算法简介

标准化是假设数据符合正态分布，根据均值和方差计算对应数值的过程。

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

标准化训练

是

预测输入数据

数值类型

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，默认情况下预测结果列替换原始输入列内容，填写时需要与训练时选择的列数保持一致，不同列用半角逗号隔开。
参数设置	组件多线程线程个数	默认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 = StandardScalerPredictBatchOp()
    result = predictor.linkFrom(model, batchData)
    result.link(sinks[0])
    BatchOperator.execute()