阿里云机器学习平台PAI使用简明教程(二)

概述

前面在 阿里云机器学习平台PAI使用简明教程 介绍了使用DataStudio在maxcompute中手动导入数据进行PAI Studio模型的搭建、训练及在线部署调用。实际在使用过程中使用者的数据可能在其它的数据源，目前PAI Studio并不支持直接接入第三方数据源。官方推荐的方式是使用Dataworks的数据集成功能，将数据通过离线同步将数据导入到maxcompute中，然后进行后续操作。本文以Mysql数据库为例，结合GBDT二分类算法组件，演示相关过程的操作流程。

Step By Step

1、Dataworks 数据集成

• 1.1 配置数据源

白名单 目前支持的数据源

• 1.2 Mysql数据库表

/*------- CREATE SQL---------*/
CREATE TABLE `paitable` (
  `f0` double DEFAULT NULL,
  `f1` double DEFAULT NULL,
  `f2` double DEFAULT NULL,
  `f3` double DEFAULT NULL,
  `label` bigint(20) DEFAULT NULL
) ENGINE=InnoDB DEFAULT CHARSET=utf8           

INSERT INTO `paitable` VALUES(1,0,0,0,0);
INSERT INTO `paitable` VALUES(0,1,0,0,0);
INSERT INTO `paitable` VALUES(0,0,1,0,1);
INSERT INTO `paitable` VALUES(0,0,0,1,1);
INSERT INTO `paitable` VALUES(1,0,0,0,0);
INSERT INTO `paitable` VALUES(0,1,0,0,0);

SELECT * FROM paitable;           

• 1.3 maxcompute数据表

drop table if exists dual;
create table dual (f0 DOUBLE ,f1 DOUBLE ,f2 DOUBLE ,f3 DOUBLE,label BIGINT);           

特别提示 特别提示 特别提示

目前因为PAI Studio兼容的数据类型有限，所以在maxcompute中建表的数据类型只能是如下几种：
bigint
double
decimal
boolean
datatime
string
本身maxcompute支持的数据类型很多，如果表中字段包含了其它类型，在PAI Studio 读数据表组件查询不到相关的表。           

1.4 配置离线同步

1.5 离线同步

2020-02-29 13:00:13.384 [job-226408512] INFO  JobContainer -
任务启动时刻                    : 2020-02-29 12:59:49
任务结束时刻                    : 2020-02-29 13:00:13
任务总计耗时                    :                 24s
任务平均流量                    :                1B/s
记录写入速度                    :              0rec/s
读出记录总数                    :                   6
读写失败总数                    :                   0           

2 PAI Studio GBDT二分类组件使用

2.1 模块搭建及参数配置

2.2 训练及结果查看

参考链接

GBDT二分类