Java 类名：com.alibaba.alink.pipeline.classification.C45
Python 类名：C45

功能介绍

  • 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？ | 取值范围 | 默认值 | | —- | —- | —- | —- | —- | —- | —- | | featureCols | 特征列名 | 特征列名，必选 | String[] | ✓ | | | | labelCol | 标签列名 | 输入表中的标签列名 | String | ✓ | | | | predictionCol | 预测结果列名 | 预测结果列名 | String | ✓ | | | | categoricalCols | 离散特征列名 | 离散特征列名 | String[] | | | | | createTreeMode | 创建树的模式。 | series表示每个单机创建单颗树，parallel表示并行创建单颗树。 | String | | | “series” | | maxBins | 连续特征进行分箱的最大个数 | 连续特征进行分箱的最大个数。 | Integer | | | 128 | | maxDepth | 树的深度限制 | 树的深度限制 | Integer | | | 2147483647 | | maxLeaves | 叶节点的最多个数 | 叶节点的最多个数 | Integer | | | 2147483647 | | maxMemoryInMB | 树模型中用来加和统计量的最大内存使用数 | 树模型中用来加和统计量的最大内存使用数 | Integer | | | 64 | | minInfoGain | 分裂的最小增益 | 分裂的最小增益 | Double | | | 0.0 | | minSampleRatioPerChild | 子节点占父节点的最小样本比例 | 子节点占父节点的最小样本比例 | Double | | | 0.0 | | minSamplesPerLeaf | 叶节点的最小样本个数 | 叶节点的最小样本个数 | Integer | | | 2 | | modelFilePath | 模型的文件路径 | 模型的文件路径 | String | | | null | | overwriteSink | 是否覆写已有数据 | 是否覆写已有数据 | Boolean | | | false | | 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 | | weightCol | 权重列名 | 权重列对应的列名 | String | | 所选列类型为 [BIGDECIMAL, BIGINTEGER, BYTE, DOUBLE, FLOAT, INTEGER, LONG, SHORT] | null | | numThreads | 组件多线程线程个数 | 组件多线程线程个数 | Integer | | | 1 | | modelStreamFilePath | 模型流的文件路径 | 模型流的文件路径 | String | | | null | | modelStreamScanInterval | 扫描模型路径的时间间隔 | 描模型路径的时间间隔，单位秒 | Integer | | | 10 | | modelStreamStartTime | 模型流的起始时间 | 模型流的起始时间。默认从当前时刻开始读。使用yyyy-mm-dd hh:mm:ss.fffffffff格式，详见Timestamp.valueOf(String s) | String | | | null |

代码示例

Python 代码

  1. from pyalink.alink import *
  3. import pandas as pd
  5. useLocalEnv(1)
  7. df = pd.DataFrame([
  8.     [1.0, "A", 0, 0, 0],
  9.     [2.0, "B", 1, 1, 0],
  10.     [3.0, "C", 2, 2, 1],
  11.     [4.0, "D", 3, 3, 1]
  12. ])
  14. batchSource = BatchOperator.fromDataframe(
  15.     df, schemaStr=' f0 double, f1 string, f2 int, f3 int, label int')
  16. streamSource = StreamOperator.fromDataframe(
  17.     df, schemaStr=' f0 double, f1 string, f2 int, f3 int, label int')
  20. C45()\
  21.     .setPredictionDetailCol('pred_detail')\
  22.     .setPredictionCol('pred')\
  23.     .setLabelCol('label')\
  24.     .setFeatureCols(['f0', 'f1', 'f2', 'f3'])\
  25.     .fit(batchSource)\
  26.     .transform(batchSource)\
  27.     .print()
  30. C45()\
  31.     .setPredictionDetailCol('pred_detail')\
  32.     .setPredictionCol('pred')\
  33.     .setLabelCol('label')\
  34.     .setFeatureCols(['f0', 'f1', 'f2', 'f3'])\
  35.     .fit(batchSource)\
  36.     .transform(streamSource)\
  37.     .print()
  40. StreamOperator.execute()

Java 代码

  1. import org.apache.flink.types.Row;
  3. import com.alibaba.alink.operator.batch.BatchOperator;
  4. import com.alibaba.alink.operator.batch.source.MemSourceBatchOp;
  5. import com.alibaba.alink.operator.stream.StreamOperator;
  6. import com.alibaba.alink.operator.stream.source.MemSourceStreamOp;
  7. import com.alibaba.alink.pipeline.classification.C45;
  8. import org.junit.Test;
  10. import java.util.Arrays;
  11. import java.util.List;
  13. public class C45Test {
  14.     @Test
  15.     public void testC45() throws Exception {
  16.         List <Row> df = Arrays.asList(
  17.             Row.of(1.0, "A", 0, 0, 0),
  18.             Row.of(2.0, "B", 1, 1, 0),
  19.             Row.of(3.0, "C", 2, 2, 1),
  20.             Row.of(4.0, "D", 3, 3, 1)
  21.         );
  23.         BatchOperator <?> batchSource = new MemSourceBatchOp(df, " f0 double, f1 string, f2 int, f3 int, label int");
  24.         StreamOperator <?> streamSource
  25.             = new MemSourceStreamOp(df, " f0 double, f1 string, f2 int, f3 int, label int");
  26.         new C45()
  27.             .setPredictionDetailCol("pred_detail")
  28.             .setPredictionCol("pred")
  29.             .setLabelCol("label")
  30.             .setFeatureCols("f0", "f1", "f2", "f3")
  31.             .fit(batchSource)
  32.             .transform(batchSource)
  33.             .print();
  34.         new C45()
  35.             .setPredictionDetailCol("pred_detail")
  36.             .setPredictionCol("pred")
  37.             .setLabelCol("label")
  38.             .setFeatureCols("f0", "f1", "f2", "f3")
  39.             .fit(batchSource)
  40.             .transform(streamSource)
  41.             .print();
  42.         StreamOperator.execute();
  43.     }
  44. }

运行结果

| f0 | f1 | f2 | f3 | label | pred | pred_detail | | —- | —- | —- | —- | —- | —- | —- |

| 1.0000 | A | 0 | 0 | 0 | 0 | {“0”:1.0,”1”:0.0} |

| 2.0000 | B | 1 | 1 | 0 | 0 | {“0”:1.0,”1”:0.0} |

| 3.0000 | C | 2 | 2 | 1 | 1 | {“0”:0.0,”1”:1.0} |

| 4.0000 | D | 3 | 3 | 1 | 1 | {“0”:0.0,”1”:1.0} |