Java 类名：com.alibaba.alink.operator.batch.classification.C45TrainBatchOp
Python 类名：C45TrainBatchOp

功能介绍

  • c45是一种常用的树模型
  • c45组件支持稠密数据格式
  • 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[] | ✓ | 所选列类型为 [BOOLEAN, DATE, DOUBLE, FLOAT, INTEGER, LONG, SHORT, STRING, TIME, TIMESTAMP] | |

| labelCol | 标签列名 | 输入表中的标签列名 | String | ✓ | | |

| categoricalCols | 离散特征列名 | 离散特征列名 | String[] | | 所选列类型为 [BOOLEAN, DATE, DOUBLE, FLOAT, INTEGER, LONG, SHORT, STRING, TIME, TIMESTAMP] | |

| 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 |

| 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 |

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. ])
  13. batchSource = BatchOperator.fromDataframe(
  14.     df, schemaStr=' f0 double, f1 string, f2 int, f3 int, label int')
  15. streamSource = StreamOperator.fromDataframe(
  16.     df, schemaStr=' f0 double, f1 string, f2 int, f3 int, label int')
  18. trainOp = C45TrainBatchOp()\
  19.     .setLabelCol('label')\
  20.     .setFeatureCols(['f0', 'f1', 'f2', 'f3'])\
  21.     .linkFrom(batchSource)
  22. predictBatchOp = C45PredictBatchOp()\
  23.     .setPredictionDetailCol('pred_detail')\
  24.     .setPredictionCol('pred')
  25. predictStreamOp = C45PredictStreamOp(trainOp)\
  26.     .setPredictionDetailCol('pred_detail')\
  27.     .setPredictionCol('pred')
  29. predictBatchOp.linkFrom(trainOp, batchSource).print()
  30. predictStreamOp.linkFrom(streamSource).print()
  32. 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.classification.C45PredictBatchOp;
  5. import com.alibaba.alink.operator.batch.classification.C45TrainBatchOp;
  6. import com.alibaba.alink.operator.batch.source.MemSourceBatchOp;
  7. import com.alibaba.alink.operator.stream.StreamOperator;
  8. import com.alibaba.alink.operator.stream.classification.C45PredictStreamOp;
  9. import com.alibaba.alink.operator.stream.source.MemSourceStreamOp;
  10. import org.junit.Test;
  12. import java.util.Arrays;
  13. import java.util.List;
  15. public class C45TrainBatchOpTest {
  16.     @Test
  17.     public void testC45TrainBatchOp() throws Exception {
  18.         List <Row> df = Arrays.asList(
  19.             Row.of(1.0, "A", 0, 0, 0),
  20.             Row.of(2.0, "B", 1, 1, 0),
  21.             Row.of(3.0, "C", 2, 2, 1),
  22.             Row.of(4.0, "D", 3, 3, 1)
  23.         );
  25.         BatchOperator <?> batchSource = new MemSourceBatchOp(
  26.             df, " f0 double, f1 string, f2 int, f3 int, label int");
  27.         StreamOperator <?> streamSource = new MemSourceStreamOp(
  28.             df, " f0 double, f1 string, f2 int, f3 int, label int");
  29.         BatchOperator <?> trainOp = new C45TrainBatchOp()
  30.             .setLabelCol("label")
  31.             .setFeatureCols("f0", "f1", "f2", "f3")
  32.             .linkFrom(batchSource);
  33.         BatchOperator <?> predictBatchOp = new C45PredictBatchOp()
  34.             .setPredictionDetailCol("pred_detail")
  35.             .setPredictionCol("pred");
  36.         StreamOperator <?> predictStreamOp = new C45PredictStreamOp(trainOp)
  37.             .setPredictionDetailCol("pred_detail")
  38.             .setPredictionCol("pred");
  39.         predictBatchOp.linkFrom(trainOp, batchSource).print();
  40.         predictStreamOp.linkFrom(streamSource).print();
  41.         StreamOperator.execute();
  42.     }
  43. }

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} |