前提條件

已開通PAI并創(chuàng)建工作空間，詳情請參見開通并創(chuàng)建默認(rèn)工作空間。

步驟一：新建工作流

前往可視化建模（Designer），選擇工作空間并進(jìn)入Designer頁面。新建并進(jìn)入工作流。

步驟二：數(shù)據(jù)準(zhǔn)備與預(yù)處理

構(gòu)建模型前，您需要準(zhǔn)備好所要使用的數(shù)據(jù)源，并完成數(shù)據(jù)的預(yù)處理，以便后續(xù)根據(jù)業(yè)務(wù)需求進(jìn)行模型訓(xùn)練。

準(zhǔn)備數(shù)據(jù)

在工作流中通過添加源/目標(biāo)類型組件實現(xiàn)數(shù)據(jù)讀取，支持讀取MaxCompute、OSS等數(shù)據(jù)，詳情可參見組件參考：源/目標(biāo)下具體組件文檔。本文直接使用讀數(shù)據(jù)表組件來讀取PAI提供的心臟病案例公開數(shù)據(jù)，數(shù)據(jù)集詳情請參見Heart Disease Data Set。

1. 選擇合適源/目標(biāo)組件來讀取數(shù)據(jù)。

   在左側(cè)組件列表中，單擊源/目標(biāo)文件，將讀數(shù)據(jù)表組件拖入右側(cè)畫布中，用于讀取MaxCompute表數(shù)據(jù)。畫布中會自動生成一個名稱為讀數(shù)據(jù)表-1的工作流節(jié)點。

2. 在節(jié)點配置頁面配置源數(shù)據(jù)表名。

   在畫布中選中讀數(shù)據(jù)表-1節(jié)點，在右側(cè)節(jié)點配置頁面的表名中填寫對應(yīng)的MaxCompute表名。本文填寫為pai_online_project.heart_disease_prediction，讀取PAI提供的公開的心臟病案例數(shù)據(jù)表。

3. 將右側(cè)的節(jié)點配置頁面切換到字段信息頁簽，查看此公開數(shù)據(jù)的字段詳情。

數(shù)據(jù)預(yù)處理

本文心臟病預(yù)測示例可以歸屬于二分類問題，使用的邏輯回歸模型組件要求輸入數(shù)據(jù)為DOUBLE（或BIGINT）類型，因此本部分將完成對心臟病案例數(shù)據(jù)的類型轉(zhuǎn)換等預(yù)處理，為模型訓(xùn)練做準(zhǔn)備。

1. 數(shù)據(jù)預(yù)處理：將非數(shù)值類型字段轉(zhuǎn)換為數(shù)值類型。

   

   1. 搜索SQL腳本組件并將其拖入畫布中，畫布中生成一個名稱為SQL腳本-1的工作流節(jié)點。

   2. 通過連線，將讀數(shù)據(jù)表-1節(jié)點作為SQL腳本-1節(jié)點的t1輸入源。

   3. 配置節(jié)點。

      單擊SQL腳本-1節(jié)點，在右側(cè)配置頁面輸入以下代碼（此時右側(cè)參數(shù)設(shè)置面板的輸入源為t1）。

      select age,
      (case sex when 'male' then 1 else 0 end) as sex,
      (case cp when 'angina' then 0  when 'notang' then 1 else 2 end) as cp,
      trestbps,
      chol,
      (case fbs when 'true' then 1 else 0 end) as fbs,
      (case restecg when 'norm' then 0  when 'abn' then 1 else 2 end) as restecg,
      thalach,
      (case exang when 'true' then 1 else 0 end) as exang,
      oldpeak,
      (case slop when 'up' then 0  when 'flat' then 1 else 2 end) as slop,
      ca,
      (case thal when 'norm' then 0  when 'fix' then 1 else 2 end) as thal,
      (case status  when 'sick' then 1 else 0 end) as ifHealth
      from  ${t1};

   4. 單擊畫布左上方的保存，保存工作流配置。

   5. 右鍵單擊SQL腳本-1組件，單擊從跟節(jié)點執(zhí)行到此處，調(diào)試運行本工作流。

      工作流將根據(jù)節(jié)點順序依次運行各節(jié)點。當(dāng)節(jié)點成功運行完成后，節(jié)點的右上角會顯示。

      說明

      您也可以單擊畫布左上方的（運行）圖標(biāo)，直接運行整個工作流。當(dāng)工作流比較復(fù)雜時，建議您分模塊運行某個節(jié)點或部分節(jié)點，以方便進(jìn)行調(diào)試。如果運行失敗，可右鍵單擊對應(yīng)節(jié)點選擇查看日志，排查失敗原因。

   6. 運行成功后，您可以右鍵單擊目標(biāo)節(jié)點（例如SQL腳本-1），選擇查看數(shù)據(jù)查看當(dāng)前節(jié)點輸出數(shù)據(jù)的正確性。

2. 數(shù)據(jù)預(yù)處理：將字段轉(zhuǎn)換為DOUBLE類型，使得處理后的字段滿足邏輯回歸模型的輸入數(shù)據(jù)要求。

   

   參考上一步，拖入類型轉(zhuǎn)換組件并連線，使其作為SQL腳本-1節(jié)點的下游節(jié)點，單擊節(jié)點后在字段設(shè)置頁簽，單擊轉(zhuǎn)換為double類型的列下的選擇字段，全選將所有字段轉(zhuǎn)換為DOUBLE類型。

3. 數(shù)據(jù)預(yù)處理：歸一化處理，將每個特征的數(shù)值范圍轉(zhuǎn)換為0~1，去除量綱對結(jié)果的影響。

   參考上一步，拖入歸一化組件并連線，使其作為類型轉(zhuǎn)換-1節(jié)點的下游節(jié)點，單擊節(jié)點后在字段設(shè)置頁簽，選擇所有字段。

4. 數(shù)據(jù)預(yù)處理：將數(shù)據(jù)拆分為訓(xùn)練集和預(yù)測集，為后續(xù)模型訓(xùn)練和預(yù)測做準(zhǔn)備。

   拖入拆分組件并連線，使其作為歸一化-1節(jié)點的下游節(jié)點，拆分后輸出2個數(shù)據(jù)表。

   拆分組件默認(rèn)將數(shù)據(jù)按4:1拆分為模型訓(xùn)練集和模型預(yù)測集。您可以單擊拆分組件，在右側(cè)參數(shù)設(shè)置頁簽，設(shè)置切分比例，其他參數(shù)詳情請參見拆分。

5. 右鍵單擊類型轉(zhuǎn)換-1組件，單擊從此處開始執(zhí)行，運行工作流中的剩余節(jié)點。

步驟三：模型訓(xùn)練

因為本示例中每個樣本只會患病或健康，所以心臟病預(yù)測屬于二分類問題，本部分使用邏輯回歸二分類組件，構(gòu)建心臟病預(yù)測模型。

1. 拖入邏輯回歸二分類組件并連線，使其作為拆分-1節(jié)點輸出表1的下游節(jié)點。

2. 配置節(jié)點。

   單擊邏輯回歸二分類-1節(jié)點，在右側(cè)字段設(shè)置頁簽，將目標(biāo)列設(shè)置為ifhealth，將訓(xùn)練特征列設(shè)置為除目標(biāo)列以外的所有列。更多參數(shù)詳情請參見邏輯回歸二分類。

3. 運行該節(jié)點。

步驟四：模型預(yù)測

1. 拖入預(yù)測組件并連線，使其作為拆分-1節(jié)點輸出表2和邏輯回歸二分類-1節(jié)點的下游節(jié)點。

2. 單擊預(yù)測-1節(jié)點在字段設(shè)置頁簽，將原樣輸出列設(shè)置為ifhealth字段，將訓(xùn)練特征列設(shè)置為除ifhealth以外的所有字段。

3. 運行預(yù)測節(jié)點并查看預(yù)測結(jié)果。

   運行成功后，您可以右鍵單擊預(yù)測節(jié)點，選擇查看數(shù)據(jù) > 預(yù)測結(jié)果輸出，查看預(yù)測數(shù)據(jù)。

   

步驟五：模型評估

1. 拖入二分類評估組件并連線，使其作為預(yù)測-1節(jié)點的下游節(jié)點。

2. 單擊二分類評估-1節(jié)點，在右側(cè)字段設(shè)置頁簽，將原始標(biāo)簽列列名設(shè)置為ifhealth。

3. 運行評估節(jié)點，并查看模型評估結(jié)果。

   運行結(jié)束后，右鍵單擊二分類評估組件，選擇可視化分析，支持以可視化方式查看不同評估指標(biāo)數(shù)據(jù)。

   

相關(guān)文檔

• Designer提供了豐富的工作流模板，您也可以直接基于模板快速構(gòu)建模型，詳情請參見模板工作流demo。

• 您可以通過DataWorks實現(xiàn)離線工作流的離線調(diào)度，周期性地更新模型，詳情請參見使用DataWorks離線調(diào)度Designer工作流。

• 支持在工作流中配置全局變量，可用于在線工作流以及DataWorks離線調(diào)度工作流，提升工作流的靈活性和效率，詳情請參見高級功能：全局變量。

• 可視化建模（Designer）計費說明。

• 組件參考：所有組件匯總。