以加权方式生成采样数据。权重列必须为DOUBLE或BIGINT类型,按照该列值的大小采样。比如所选权重列的值是1.2和1.0,则值为1.2所属样本的被采样的概率就大一些。

组件配置

您可以使用以下任意一种方式,配置加权采样组件参数。

方式一:可视化方式

在PAI-Designer(原PAI-Studio)工作流页面配置组件参数。
页签 参数 描述
参数设置 采样个数 取值为正整数。
采样比例 取值为浮点数,范围(0,1)
放回采样 默认为不放回,勾选后变为放回。
权重列 下拉框选择加权列,加权列支持DOUBLE型和BIGINT型。每个值代表所在记录出现的权重,不需要归一化。
随机数种子 默认系统自动生成。
执行调优 核心数 取值为正整数,默认系统自动分配。
核内存分配 取值为正整数,范围(1, 65536),默认系统自动分配。

方式二:PAI命令方式

使用PAI命令方式,配置该组件参数。您可以使用SQL脚本组件进行PAI命令调用,详情请参见SQL脚本
PAI -name WeightedSample
    -project algo_public \
    -Dlifecycle="28" \
    -DoutputTableName="test2" \
    -DprobCol="previous" \
    -Dreplace="false" \
    -DsampleSize="500" \
    -DinputPartitions="pt=20150501" \
    -DinputTableName="bank_data_partition";
参数名称 是否必选 参数描述 默认值
inputTableName 输入表的名称
inputTablePartitions 输入表中,参与训练的分区。支持以下格式:
  • Partition_name=value
  • name1=value1/name2=value2:多级格式
说明 如果指定多个分区,则使用半角逗号(,)分隔。
所有分区
outputTableName 输出结果表
sampleSize 采样个数
说明
  • 当sampleSize与sampleRatio都为空时,系统会报错。
  • 当sampleSize与sampleRatio都不为空时,以sampleSize为准。
sampleRatio 采样比例,浮点数,范围(0,1)。
probCol 要加权的列,每个值代表所在记录出现的权重,不需要归一化,支持DOUBLE型和BIGINT型。
replace 是否放回,BOOLEAN类型。 false(默认不放回)
randomSeed 随机数种子,取值范围为正整数。 系统自动分配
lifecycle 输出表的生命周期,取值范围为[1,3650]
coreNum 计算的核心数目,取值范围为正整数。 系统自动分配
memSizePerCore 每个核心的内存(单位是MB),取值范围为(1, 65536) 系统自动分配