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

功能介绍

XGBoost 组件是在开源社区的基础上进行包装，使功能和 PAI 更兼容，更易用。
XGBoost 算法在 Boosting 算法的基础上进行了扩展和升级，具有较好的易用性和鲁棒性，被广泛用在各种机器学习生产系统和竞赛领域。
当前支持分类，回归和排序。

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 | | —- | —- | —- | —- | —- | —- | —- |

| predictionCol | 预测结果列名 | 预测结果列名 | String | ✓ | | |

| modelFilePath | 模型的文件路径 | 模型的文件路径 | String | | | null |

| pluginVersion | 插件版本号 | 插件版本号 | String | | | “1.5.1” |

| 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 |

| numThreads | 组件多线程线程个数 | 组件多线程线程个数 | Integer | | | 1 |

代码示例

以下代码仅用于示意，可能需要修改部分代码或者配置环境后才能正常运行！

Python 代码

  1. df = pd.DataFrame([
  2.     [0, 1, 1.1, 1.0],
  3.     [1, -2, 0.9, 2.0],
  4.     [0, 100, -0.01, 3.0],
  5.     [1, -99, 0.1, 4.0],
  6.     [0, 1, 1.1, 5.0],
  7.     [1, -2, 0.9, 6.0]
  8. ])
  10. batchSource = BatchOperator.fromDataframe(
  11.     df, schemaStr='y int, x1 int, x2 double, x3 double'
  12. )
  14. streamSource = StreamOperator.fromDataframe(
  15.     df, schemaStr='y int, x1 int, x2 double, x3 double'
  16. )
  18. trainOp = XGBoostTrainBatchOp()\
  19.     .setNumRound(1)\
  20.     .setPluginVersion('1.5.1')\
  21.     .setLabelCol('y')\
  22.     .linkFrom(batchSource)
  24. predictBatchOp = XGBoostPredictBatchOp()\
  25.     .setPredictionDetailCol('pred_detail')\
  26.     .setPredictionCol('pred')\
  27.     .setPluginVersion('1.5.1')
  29. predictStreamOp = XGBoostPredictStreamOp(trainOp)\
  30.     .setPredictionDetailCol('pred_detail')\
  31.     .setPredictionCol('pred')\
  32.     .setPluginVersion('1.5.1')
  34. predictBatchOp.linkFrom(trainOp, batchSource).print()
  36. predictStreamOp.linkFrom(streamSource).print()
  38. 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.XGBoostPredictBatchOp;
  5. import com.alibaba.alink.operator.batch.classification.XGBoostTrainBatchOp;
  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.XGBoostPredictStreamOp;
  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 XGBoostTrainBatchOpTest {
  17.     @Test
  18.     public void testXGBoostTrainBatchOp() throws Exception {
  19.         List <Row> data = Arrays.asList(
  20.             Row.of(0, 1, 1.1, 1.0),
  21.             Row.of(1, -2, 0.9, 2.0),
  22.             Row.of(0, 100, -0.01, 3.0),
  23.             Row.of(1, -99, 0.1, 4.0),
  24.             Row.of(0, 1, 1.1, 5.0),
  25.             Row.of(1, -2, 0.9, 6.0)
  26.         );
  28.         BatchOperator <?> batchSource = new MemSourceBatchOp(data, "y int, x1 int, x2 double, x3 double");
  29.         StreamOperator <?> streamSource = new MemSourceStreamOp(data, "y int, x1 int, x2 double, x3 double");
  30.         BatchOperator <?> trainOp = new XGBoostTrainBatchOp()
  31.             .setNumRound(1)
  32.             .setPluginVersion("1.5.1")
  33.             .setLabelCol("y")
  34.             .linkFrom(batchSource);
  35.         BatchOperator <?> predictBatchOp = new XGBoostPredictBatchOp()
  36.             .setPredictionDetailCol("pred_detail")
  37.             .setPredictionCol("pred")
  38.             .setPluginVersion("1.5.1");
  39.         StreamOperator <?> predictStreamOp = new XGBoostPredictStreamOp(trainOp)
  40.             .setPredictionDetailCol("pred_detail")
  41.             .setPredictionCol("pred")
  42.             .setPluginVersion("1.5.1");
  44.         predictBatchOp.linkFrom(trainOp, batchSource).print();
  46.         predictStreamOp.linkFrom(streamSource).print();
  48.         StreamOperator.execute();
  49.     }
  50. }

运行结果