机器学习PAI 集群上跑逻辑回归的时候,碰到这个问题怎么解决呢?
特征是GBDT构造后的特征传入逻辑回归
版权声明:本文内容由阿里云实名注册用户自发贡献,版权归原作者所有,阿里云开发者社区不拥有其著作权,亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容,填写侵权投诉表单进行举报,一经查实,本社区将立刻删除涉嫌侵权内容。
在机器学习PAI集群上运行逻辑回归时,如果使用GBDT构造后的特征作为输入,可能会遇到一些问题。以下是针对该问题的详细分析和解决方案:
one-hot编码
或其他特征转换组件将稀疏特征转换为稠密格式。随机森林特征重要性
或GBDT特征重要性
组件计算特征的重要性,并通过特征重要性过滤
组件筛选出TopN特征。PAI -name feature_importance_filter
-DinputTable="gbdt_features"
-DweightTable="feature_importance_table"
-DoutputTable="filtered_features"
-DtopN="50"
PAI -name logistic_regression
-DinputTableName="filtered_features"
-DlabelColName="label"
-DmodelName="lr_model"
-Dl1Reg="0.01"
-Dl2Reg="0.01"
-DmaxIter="100"
计算核心数
参数,或通过PAI命令指定资源分配。通用模型导出
功能将逻辑回归模型导出至OSS存储,便于后续部署和使用。通过上述步骤,您可以有效解决在PAI集群上使用GBDT构造特征后运行逻辑回归时可能遇到的问题。关键在于确保特征格式匹配、筛选重要特征、优化模型参数以及合理分配计算资源。
人工智能平台 PAI(Platform for AI,原机器学习平台PAI)是面向开发者和企业的机器学习/深度学习工程平台,提供包含数据标注、模型构建、模型训练、模型部署、推理优化在内的AI开发全链路服务,内置140+种优化算法,具备丰富的行业场景插件,为用户提供低门槛、高性能的云原生AI工程化能力。