• 决策树预测(batch)
    • 功能介绍
    • 参数说明
    • 脚本示例
      • 脚本代码
      • 脚本结果

    决策树预测(batch)

    功能介绍

    • 决策树支持多种树模型

    • id3,cart,c4.5

    • 支持带样本权重的训练

    参数说明

    名称 中文名称 描述 类型 是否必须? 默认值
    predictionCol 预测结果列名 预测结果列名 String
    predictionDetailCol 预测详细信息列名 预测详细信息列名 String
    reservedCols 算法保留列名 算法保留列 String[] null

    脚本示例

    脚本代码

    1. import numpy as np
    2. import pandas as pd
    3. from pyalink.alink import *
    4. def exampleData():
    5. return np.array([
    6. [1.0, "A", 0, 0, 0],
    7. [2.0, "B", 1, 1, 0],
    8. [3.0, "C", 2, 2, 1],
    9. [4.0, "D", 3, 3, 1]
    10. ])
    11. def sourceFrame():
    12. data = exampleData()
    13. return pd.DataFrame({
    14. "f0": data[:, 0],
    15. "f1": data[:, 1],
    16. "f2": data[:, 2],
    17. "f3": data[:, 3],
    18. "label": data[:, 4]
    19. })
    20. def batchSource():
    21. return dataframeToOperator(
    22. sourceFrame(),
    23. schemaStr='''
    24. f0 double,
    25. f1 string,
    26. f2 int,
    27. f3 int,
    28. label int
    29. ''',
    30. op_type='batch'
    31. )
    32. def streamSource():
    33. return dataframeToOperator(
    34. sourceFrame(),
    35. schemaStr='''
    36. f0 double,
    37. f1 string,
    38. f2 int,
    39. f3 int,
    40. label int
    41. ''',
    42. op_type='stream'
    43. )
    44. trainOp = (
    45. DecisionTreeTrainBatchOp()
    46. .setLabelCol('label')
    47. .setFeatureCols(['f0', 'f1', 'f2', 'f3'])
    48. )
    49. predictBatchOp = (
    50. DecisionTreePredictBatchOp()
    51. .setPredictionDetailCol('pred_detail')
    52. .setPredictionCol('pred')
    53. )
    54. (
    55. predictBatchOp
    56. .linkFrom(
    57. batchSource().link(trainOp),
    58. batchSource()
    59. )
    60. .print()
    61. )
    62. predictStreamOp = (
    63. DecisionTreePredictStreamOp(
    64. batchSource().link(trainOp)
    65. )
    66. .setPredictionDetailCol('pred_detail')
    67. .setPredictionCol('pred')
    68. )
    69. (
    70. predictStreamOp
    71. .linkFrom(
    72. streamSource()
    73. )
    74. .print()
    75. )
    76. StreamOperator.execute()

    脚本结果

    1. f0 f1 f2 f3 label pred pred_detail
    2. 0 1.0 A 0 0 0 0 {"0":1.0,"1":0.0}
    3. 1 2.0 B 1 1 0 0 {"0":1.0,"1":0.0}
    4. 2 3.0 C 2 2 1 1 {"0":0.0,"1":1.0}
    5. 3 4.0 D 3 3 1 1 {"0":0.0,"1":1.0}