前提條件

已開通PAI并創建工作空間，詳情請參見開通并創建默認工作空間。

步驟一：新建工作流

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

步驟二：數據準備與預處理

構建模型前，您需要準備好所要使用的數據源，并完成數據的預處理，以便后續根據業務需求進行模型訓練。

準備數據

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

1. 選擇合適源/目標組件來讀取數據。

   在左側組件列表中，單擊源/目標文件，將讀數據表組件拖入右側畫布中，用于讀取MaxCompute表數據。畫布中會自動生成一個名稱為讀數據表-1的工作流節點。

2. 在節點配置頁面配置源數據表名。

   在畫布中選中讀數據表-1節點，在右側節點配置頁面的表名中填寫對應的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據表。

3. 將右側的節點配置頁面切換到字段信息頁簽，查看此公開數據的字段詳情。

數據預處理

本文心臟病預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據為DOUBLE（或BIGINT）類型，因此本部分將完成對心臟病案例數據的類型轉換等預處理，為模型訓練做準備。

1. 數據預處理：將非數值類型字段轉換為數值類型。

   

   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的工作流節點。

   2. 通過連線，將讀數據表-1節點作為SQL腳本-1節點的t1輸入源。

   3. 配置節點。

      單擊SQL腳本-1節點，在右側配置頁面輸入以下代碼（此時右側參數設置面板的輸入源為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，單擊從跟節點執行到此處，調試運行本工作流。

      工作流將根據節點順序依次運行各節點。當節點成功運行完成后，節點的右上角會顯示。

      說明

      您也可以單擊畫布左上方的（運行）圖標，直接運行整個工作流。當工作流比較復雜時，建議您分模塊運行某個節點或部分節點，以方便進行調試。如果運行失敗，可右鍵單擊對應節點選擇查看日志，排查失敗原因。

   6. 運行成功后，您可以右鍵單擊目標節點（例如SQL腳本-1），選擇查看數據查看當前節點輸出數據的正確性。

2. 數據預處理：將字段轉換為DOUBLE類型，使得處理后的字段滿足邏輯回歸模型的輸入數據要求。

   

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

3. 數據預處理：歸一化處理，將每個特征的數值范圍轉換為0~1，去除量綱對結果的影響。

   參考上一步，拖入歸一化組件并連線，使其作為類型轉換-1節點的下游節點，單擊節點后在字段設置頁簽，選擇所有字段。

4. 數據預處理：將數據拆分為訓練集和預測集，為后續模型訓練和預測做準備。

   拖入拆分組件并連線，使其作為歸一化-1節點的下游節點，拆分后輸出2個數據表。

   拆分組件默認將數據按4:1拆分為模型訓練集和模型預測集。您可以單擊拆分組件，在右側參數設置頁簽，設置切分比例，其他參數詳情請參見拆分。

5. 右鍵單擊類型轉換-1組件，單擊從此處開始執行，運行工作流中的剩余節點。

步驟三：模型訓練

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

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

2. 配置節點。

   單擊邏輯回歸二分類-1節點，在右側字段設置頁簽，將目標列設置為ifhealth，將訓練特征列設置為除目標列以外的所有列。更多參數詳情請參見邏輯回歸二分類。

3. 運行該節點。

步驟四：模型預測

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

2. 單擊預測-1節點在字段設置頁簽，將原樣輸出列設置為ifhealth字段，將訓練特征列設置為除ifhealth以外的所有字段。

3. 運行預測節點并查看預測結果。

   運行成功后，您可以右鍵單擊預測節點，選擇查看數據 > 預測結果輸出，查看預測數據。

   

步驟五：模型評估

1. 拖入二分類評估組件并連線，使其作為預測-1節點的下游節點。

2. 單擊二分類評估-1節點，在右側字段設置頁簽，將原始標簽列列名設置為ifhealth。

3. 運行評估節點，并查看模型評估結果。

   運行結束后，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數據。

   

相關文檔

• 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建模型，詳情請參見模板工作流demo。

• 您可以通過DataWorks實現離線工作流的離線調度，周期性地更新模型，詳情請參見使用DataWorks離線調度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。