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
阿里云机器学习平台PAI使用简明教程