Blackhole_ml_API

BML 全功能AI开发平台

所有文档

          BML 全功能AI开发平台

          Blackhole_ml_API

          更新时间：2020-12-08

          Blackhole ml API

          Blackhole ml是一个高性能数据科学引擎，支持类sklearn接口的常见机器学习算子。

          save_model

          blackhole ml保存模型方法。

          • 参数:

            • model: 待保存模型
            • file_path: str， 模型的保存路径

          load_model

          blackhole ml加载模型方法。

          • 参数:

            • file_path: str， 模型保存的路径

          load_file

          blackhole ml加载数据文件方法，支持CSV、Parquet、ORC等多种数据格式的加载。

          • 参数:

            • file_path : str， 指定要导入的数据文件或文件夹的路径
            • header : 默认0， -1表示第一行是数据，0表示猜测，1表示第一行是标题
            • sep : 默认None， 字段分隔符，若None，解析器将自动推测分隔符
            • col_names : list， 列名
            • col_types : list， 列数据类别
            • na_strings : list， 缺失值表示
            • pattern : str， 当file_path为文件夹时，设定匹配文件夹中文件名的正则表达式
            • skipped_columns : list， 跳过的列名
            • custom_non_data_line_markers : str， 如果导入文件中的某行以给定的字符串中的任何字符为开头，则不会导入该行,
              空字符串表示导入所有行

          RandomForestClassifier

          随机森林分类算法

          • 参数:

            • n_estimators : int，默认50， 随机森林中树的棵数
            • criterion : 默认'gini'， 样本集切分的度量指标
            • max_depth : int，默认20， 树的最大深度
            • min_samples_split : int，默认2， 拆分内部节点所需的最小采样数
            • min_samples_leaf : int，默认1， 叶节点所需的最小采样数
            • min_weight_fraction_leaf : float，默认0.0， 叶节点上样本权重加权和的最小值
            • max_features : 默认'auto'， 寻找最佳分裂时，考虑的特征个数的最大值
            • max_leaf_nodes : int， 最大叶子节点数
            • min_impurity_decrease : 默认1e-05， 如果节点分裂导致不纯度的减少大于或等于这个值，则该节点将被分裂，
            • min_impurity_split : float，默认None 节点划分的最小不纯度
            • bootstrap : bool，默认True， 生成树时，是否进行有放回的抽样
            • oob_score : bool，默认False， 是否使用袋外样本评估泛化精度
            • n_jobs : int，默认1， 并行的job数量
            • random_state : int，默认None， 控制算法过程中的随机性
            • verbose : int，默认0， 控制训练和预测时的verbose信息
            • warm_start : bool，默认False， 若为True，复用之前的模型，增加更多元估计器，进行训练， 若为False，则训练一个全新的随机森里模型
            • class_weight : {“balanced”, “balanced_subsample”} 样本的权重
            • score_each_iteration : bool，默认False， 启用此选项可在模型训练的每次迭代期间评分
            • score_tree_interval : int，默认0， 每间隔score_tree_interval数量进行模型打分，设置为0则禁用该选项，
            • balance_classes : bool，默认False， 过采样少数类别，以平衡样本分布，这会增加样本规模，此选项只适用分类，
            • class_sampling_factors : float， 指定每个类别在采样时的过采样／欠采样率
            • max_after_balance_size : 默认5.0， 指定平衡类数量后，相对原数据规模的最大比例
            • max_hit_ratio_k : 默认0， 指定用于命中率计算的最大预测数，仅适用于多分类，0禁用
            • nbins : int，默认20， 指定要构建的直方图的bin的数量
            • nbins_top_level : int，默认1024， 指定在根节点用于构建直方图的最小bin数，此数量将每级别减少2倍
            • nbins_cats :int，默认1024， 指定要构建的直方图的最大bin数
            • stopping_rounds : int，默认0， 指定stopping_rounds合数后，在stopping_metric没有改善的情况下将停止 训练，0禁用
            • stopping_metric : 指定用于提前停止训练的评判指标，默认'AUTO'， 'AUTO'、'logloss'、'MSE'、'RMSE'、'MAE'、'RMSLE'、'AUC'、 'AUCPR'、'lift_top_group'、'misclassification'、 'mean_per_class_error'、'custom'、'custom_increasing'
            • stopping_tolerance : float，默认0.001 指定相对误差，如果提升小于该值，则停止训练
            • max_runtime_secs : int，默认0, 模型训练允许的最大运行时间（以秒为单位），0禁用
            • build_tree_one_node : bool，默认False, 指定是否在单个机器节点上运行，适用于小数据集，无网络开销
            • mtries : 指定每个级别随机选择的列数， 如果-1，则对于分类问题为列数的平方根，回归问题为p/3， 如果-2，则使用所有列，此选项的所有值为-1，-2和任何大于1的值，默认-1
            • sample_rate : float，默认0.632, 指定行采样率
            • binomial_double_trees : bool，默认False, 仅适用于二分类，构建两倍的树（每类一棵），启用此选项可以提高准确性， 禁用则可以加快模型构建
            • col_sample_rate_change_per_level : 默认1, 此选型指定根据树的深度来更改列采样率，可以是0.0到2.0的值
            • col_sample_rate_per_tree : 默认1.0, 指定每棵树的列采样率
            • histogram_type : 默认'AUTO'， 直方图的类型,可选:'AUTO'、'UniformAdaptive'、'Random'、 'QuantilesGlobal'、'RoundRobin'
            • categorical_encoding : 指定以下编码方案之一来处理分类特征 (默认'AUTO')，可选： 'AUTO'、'Enumenum_limited'、'OneHotExplicit'、'Binary'、 'Eigen'、'LabelEncoder'、'SortByResponse'
            • custom_metric_func : 指定一个自定义评估函数， 自定义评估函数
            • export_checkpoints_dir : 将生成的模型自动导出到 指定的目录
            • check_constant_response : bool，默认False， 检查响应列是否为常量值，启用下，若响应列为常量值，则引发异常，
              如果禁用，无论响应列是否为恒定值，模型都将训练

          • 方法:

            • fit，包含两个参数： 特征数据：X，标签数据：y
            • predict，包含一个参数： 待预测数据：test_data
            • predict_proba，包含一个参数：待预测数据：test_data

          RandomForestRegressor

          随机森例回归算法

          • 参数:

            • n_estimators : int，默认50， 随机森林中树的棵数
            • criterion : 默认'mse'， 样本集切分的度量指标
            • max_depth : int，默认20， 树的最大深度
            • min_samples_split : int，默认2， 拆分内部节点所需的最小采样数
            • min_samples_leaf : int，默认1， 叶节点所需的最小采样数
            • min_weight_fraction_leaf : float，默认0.0， 叶节点上样本权重加权和的最小值
            • max_features : 默认'auto'， 寻找最佳分裂时，考虑的特征个数的最大值
            • max_leaf_nodes : int， 最大叶子节点数
            • min_impurity_decrease : 默认1e-05， 如果节点分裂导致不纯度的减少大于或等于这个值，则该节点将被分裂，
            • min_impurity_split : float，默认None， 节点划分的最小不纯度
            • bootstrap : bool，默认True， 生成树时，是否进行有放回的抽样
            • oob_score : bool，默认False， 是否使用袋外样本评估泛化精度
            • n_jobs : int，默认1， 并行的job数量
            • random_state : int，默认None， 控制算法过程中的随机性
            • verbose : int，默认0， 控制训练和预测时的verbose信息
            • warm_start : bool，默认False， 若为True，复用之前的模型，增加更多元估计器，进行训练， 若为False，则训练一个全新的随机森里模型
            • class_weight : {“balanced”, “balanced_subsample”} 样本的权重
            • score_each_iteration : bool，默认False， 启用此选项可在模型训练的每次迭代期间评分
            • score_tree_interval : int，默认0， 每间隔score_tree_interval数量进行模型打分，设置为0则禁用该选项，
            • balance_classes : bool，默认False， 过采样少数类别，以平衡样本分布，这会增加样本规模，此选项只适用分类，
            • class_sampling_factors : float， 指定每个类别在采样时的过采样／欠采样率
            • max_after_balance_size : 默认5.0， 指定平衡类数量后，相对原数据规模的最大比例
            • max_hit_ratio_k : 默认0， 指定用于命中率计算的最大预测数，仅适用于多分类，0禁用
            • nbins : int，默认20， 指定要构建的直方图的bin的数量
            • nbins_top_level : int，默认1024， 指定在根节点用于构建直方图的最小bin数，此数量将每级别减少2倍
            • nbins_cats :int，默认1024， 指定要构建的直方图的最大bin数
            • stopping_rounds : int，默认0， 指定stopping_rounds合数后，在stopping_metric没有改善的情况下将停止 训练，0禁用
            • stopping_metric : 指定用于提前停止训练的评判指标，默认'AUTO'， 'AUTO'、'logloss'、'MSE'、'RMSE'、'MAE'、'RMSLE'、'AUC'、 'AUCPR'、'lift_top_group'、'misclassification'、 'mean_per_class_error'、'custom'、'custom_increasing'
            • stopping_tolerance : float，默认0.001， 指定相对误差，如果提升小于该值，则停止训练
            • max_runtime_secs : int，默认0, 模型训练允许的最大运行时间（以秒为单位），0禁用
            • build_tree_one_node : bool，默认False, 指定是否在单个机器节点上运行，适用于小数据集，无网络开销
            • mtries : 指定每个级别随机选择的列数， 如果-1，则对于分类问题为列数的平方根，回归问题为p/3， 如果-2，则使用所有列，此选项的所有值为-1，-2和任何大于1的值，默认-1
            • sample_rate : float，默认0.632, 指定行采样率
            • binomial_double_trees : bool，默认False, 仅适用于二分类，构建两倍的树（每类一棵），启用此选项可以提高准确性， 禁用则可以加快模型构建
            • col_sample_rate_change_per_level : 默认1, 此选型指定根据树的深度来更改列采样率，可以是0.0到2.0的值
            • col_sample_rate_per_tree : 默认1.0, 指定每棵树的列采样率
            • histogram_type : 默认'AUTO'， 直方图的类型,可选:'AUTO'、'UniformAdaptive'、'Random'、 'QuantilesGlobal'、'RoundRobin'
            • categorical_encoding : 指定以下编码方案之一来处理分类特征 (默认'AUTO')，可选： 'AUTO'、'Enumenum_limited'、'OneHotExplicit'、'Binary'、 'Eigen'、'LabelEncoder'、'SortByResponse'
            • custom_metric_func : 指定一个自定义评估函数， 自定义评估函数
            • export_checkpoints_dir : 将生成的模型自动导出到 指定的目录
            • check_constant_response : bool，默认False， 检查响应列是否为常量值，启用下，若响应列为常量值，则引发异常， 如果禁用，无论响应列是否为恒定值，模型都将训练

          • 方法:

            • fit，包含两个参数： 特征数据：X，标签数据：y
            • predict，包含一个参数： 待预测数据：test_data

          GradientBoostingClassifier

          梯度提升数分类算法

          • 参数:

            • loss : 默认'deviance'， 损失函数，可选'deviance'，'exponential'
            • learning_rate : float，默认0.1， 学习率
            • n_estimators : int，默认50， 树的棵数
            • subsample : 默认1， 控制每棵树随机采样的比例
            • criterion : 默认'friedman_mse'， 样本集切分的度量指标可选'friedman_mse'、 'mse'、 'mae'
            • min_samples_split : 默认2， 拆分内部节点所需的最小采样数
            • min_samples_leaf : 默认1， 叶节点所需的最小采样数
            • min_weight_fraction_leaf : 默认0.0， 叶节点上样本权重加权和的最小值
            • max_depth : int，默认5， 树的最大深度
            • min_impurity_decrease : 默认1e-05， 如果节点分裂导致不纯度的减少大于或等于这个值，则该节点将被分裂
            • min_impurity_split : float，默认None， 节点划分的最小不纯度
            • init : 默认None， 用来计算初始预测的估计器
            • random_state : 默认None， 随机数种子
            • max_features : 默认None， 寻找最佳分裂时，考虑的特征个数的最大值
            • verbose : 默认0， 控制训练和预测时的verbose信息
            • max_leaf_nodes : int，默认None， 最大叶子节点数
            • warm_start : bool，默认False， 若为True，复用之前的模型，增加更多元估计器，进行训练，若为False， 则训练一个全新的模型
            • validation_fraction : float，默认0.1， 验证集的比例，用于early stopping
            • n_iter_no_change : 默认None， 当n轮迭代没有效果提升时，提前终止训练
            • tol : float，默认0.001， 进行early stopping时效果提升的阈值
            • score_each_iteration : bool，默认False， 启用此选项可在模型训练的每次迭代期间评分
            • score_tree_interval : 默认0， 每间隔score_tree_interval数量进行模型打分，设置为0则禁用该选项
            • ignore_const_cols : bool，默认True， 是否忽略常量训练列，因为无法从中获取任何信息
            • balance_classes : bool，默认False， 过采样少数类别，以平衡样本分布，这会增加样本规模，此选项只适用分类
            • class_sampling_factors : float， 指定每个类别在采样时的过采样／欠采样率
            • max_after_balance_size : 默认5.0， 指定平衡类数量后，相对原数据规模的最大比例
            • max_hit_ratio_k : 默认0， 指定用于命中率计算的最大预测数，仅适用于多分类，0禁用
            • nbins : int，默认20， 指定要构建的直方图的bin的数量
            • nbins_top_level : int，默认1024， 指定在根节点用于构建直方图的最小bin数，此数量将每级别减少2倍
            • nbins_cats : int，默认1024， 指定要构建的直方图的最大bin数
            • stopping_metric : 默认'AUTO'， 指定用于提前停止训练的评判指标可选: 'AUTO'、'logloss'、'MSE'、'RMSE'、'MAE'、'RMSLE'、'AUC'、 'lift_top_group'、'misclassification'、 'mean_per_class_error'、'custom'、'custom_increasing'
            • max_runtime_secs : 默认0， 模型训练允许的最大运行时间（以秒为单位），0禁用
            • build_tree_one_node : bool，默认False 指定是否在单个机器节点上运行，适用于小数据集，无网络开销
            • col_sample_rate : float，默认1.0， 列采样率
            • col_sample_rate_change_per_level : 默认1， 此选型指定根据树的深度来更改列采样率，可以是0.0到2.0的值
            • col_sample_rate_per_tree : 指定每棵树的列采样率，默认1.0
            • histogram_type : 默认'AUTO'， 直方图的类型,可选:'AUTO'、'UniformAdaptive'、'Random'、 'QuantilesGlobal'、'RoundRobin'
            • max_abs_leafnode_pred : 默认1.7976931348623157e308， 允许每个叶子输出的最大增量步长，0则无约束
            • categorical_encoding : 默认'AUTO'， 指定以下编码方案之一，来处理分类特征， 'AUTO'、'Enumenum_limited'、'OneHotExplicit'、 'Binary'、'Eigen'、'LabelEncoder'、'SortByResponse'
            • custom_metric_func : 指定一个自定义评估函数， 自定义评估函数
            • export_checkpoints_dir : 将生成的模型自动导出到指定的目录， 指定目录
            • monotone_constraints : 表示单调约束的映射， +1表示递增约束，-1表示递减约束
            • check_constant_response : bool，默认False， 检查响应列是否为常量值，启用下，若响应列为常量值，则引发异常， 如果禁用，无论响应列是否为恒定值，模型都将训练

          • 方法:

            • fit，包含两个参数： 特征数据：X，标签数据：y
            • predict，包含一个参数： 待预测数据：test_data

          GradientBoostingRegressor

          梯度提升树回算法

          • 参数:

            • loss : 默认'ls'， 损失函数,可选: 'ls、'lad'、'huber'、'quantile'
            • learning_rate : float，默认0.1， 学习率
            • n_estimators : int，默认50， 树的棵数
            • subsample : 默认1， 控制每棵树随机采样的比例
            • criterion : 默认'friedman_mse'， 样本集切分的度量指标可选'friedman_mse'、 'mse'、 'mae'
            • min_samples_split : 默认2， 拆分内部节点所需的最小采样数
            • min_samples_leaf : 默认1， 叶节点所需的最小采样数
            • min_weight_fraction_leaf : 默认0.0， 叶节点上样本权重加权和的最小值
            • max_depth : int，默认5， 树的最大深度
            • min_impurity_decrease : 默认1e-05， 如果节点分裂导致不纯度的减少大于或等于这个值，则该节点将被分裂
            • min_impurity_split : float，默认None， 节点划分的最小不纯度
            • init : 默认None， 用来计算初始预测的估计器
            • random_state : 默认None， 随机数种子
            • max_features : 默认None， 寻找最佳分裂时，考虑的特征个数的最大值
            • verbose : 默认0， 控制训练和预测时的verbose信息
            • max_leaf_nodes : int，默认None， 最大叶子节点数
            • warm_start : bool，默认False， 若为True，复用之前的模型，增加更多元估计器，进行训练，若为False， 则训练一个全新的模型
            • validation_fraction : float，默认0.1， 验证集的比例，用于early stopping
            • n_iter_no_change : 默认None， 当n轮迭代没有效果提升时，提前终止训练
            • tol : float，默认0.001， 进行early stopping时效果提升的阈值
            • score_each_iteration : bool，默认False， 启用此选项可在模型训练的每次迭代期间评分
            • score_tree_interval : 默认0， 每间隔score_tree_interval数量进行模型打分，设置为0则禁用该选项
            • ignore_const_cols : bool，默认True， 是否忽略常量训练列，因为无法从中获取任何信息
            • balance_classes : bool，默认False， 过采样少数类别，以平衡样本分布，这会增加样本规模，此选项只适用分类
            • class_sampling_factors : float， 指定每个类别在采样时的过采样／欠采样率
            • max_after_balance_size : 默认5.0， 指定平衡类数量后，相对原数据规模的最大比例
            • max_hit_ratio_k : 默认0， 指定用于命中率计算的最大预测数，仅适用于多分类，0禁用
            • nbins : int，默认20， 指定要构建的直方图的bin的数量
            • nbins_top_level : int，默认1024， 指定在根节点用于构建直方图的最小bin数，此数量将每级别减少2倍
            • nbins_cats : int，默认1024， 指定要构建的直方图的最大bin数
            • stopping_metric : 默认'AUTO'， 指定用于提前停止训练的评判指标可选: 'AUTO'、'logloss'、'MSE'、'RMSE'、'MAE'、'RMSLE'、'AUC'、 'lift_top_group'、'misclassification'、 'mean_per_class_error'、'custom'、'custom_increasing'
            • max_runtime_secs : 默认0， 模型训练允许的最大运行时间（以秒为单位），0禁用
            • build_tree_one_node : bool，默认False 指定是否在单个机器节点上运行，适用于小数据集，无网络开销
            • col_sample_rate : float，默认1.0， 列采样率
            • col_sample_rate_change_per_level : 默认1， 此选型指定根据树的深度来更改列采样率，可以是0.0到2.0的值
            • col_sample_rate_per_tree : 指定每棵树的列采样率，默认1.0
            • histogram_type : 默认'AUTO'， 直方图的类型,可选:'AUTO'、'UniformAdaptive'、'Random'、 'QuantilesGlobal'、'RoundRobin'
            • max_abs_leafnode_pred : 默认1.7976931348623157e308， 允许每个叶子输出的最大增量步长，0则无约束
            • categorical_encoding : 默认'AUTO'， 指定以下编码方案之一，来处理分类特征， 'AUTO'、'Enumenum_limited'、'OneHotExplicit'、 'Binary'、'Eigen'、'LabelEncoder'、'SortByResponse'
            • custom_metric_func : 指定一个自定义评估函数， 自定义评估函数
            • export_checkpoints_dir : 将生成的模型自动导出到指定的目录， 指定目录
            • monotone_constraints : 表示单调约束的映射， +1表示递增约束，-1表示递减约束
            • check_constant_response : bool，默认False， 检查响应列是否为常量值，启用下，若响应列为常量值，则引发异常， 如果禁用，无论响应列是否为恒定值，模型都将训练

          • 方法:

            • fit，包含两个参数： 特征数据：X，标签数据：y
            • predict，包含一个参数： 待预测数据：test_data

          XGBClassifier

          xgboost分类算法.

          • 参数:

            • max_depth : int，默认6， 树的最大深度
            • learning_rate : float，默认0.3， 学习率
            • n_estimators : int，默认50， 树的棵数
            • verbosity : 默认0， 控制训练和预测时的verbose信息
            • objective : 默认'binary:logistic'， 损失函数
            • booster : 默认'gbtree'， 基模型的类型，可选项：'gbtree'、'gblinear'、'dark'
            • tree_method : 默认'auto'，'auto'，'exact'，'approx'，'hist'， 'gpu_exact'，'gpu_hist'
            • n_jobs : int，默认1， 并行的job数量
            • gamma : 默认0， 节点进一步分裂所需的最小loss减少
            • min_child_weight : 默认1， 如果建树过程中，分裂导致叶节点的权重和小于min_child_weight， 则建树过程将放弃该次分裂
            • max_delta_step : 默认0， 允许每个叶子输出的最大增量步长，0则无约束
            • subsample : 默认1， 控制每棵树随机采样的比例
            • colsample_bytree : 默认1， 构造每棵树时列的下采样比例
            • colsample_bylevel : 默认1， 构造树时每个级别的列下采样比例
            • colsample_bynode : 默认1， 构造树时每个节点分裂时下采样的比例
            • reg_alpha : 默认0， L1正则化项
            • reg_lambda : 默认1， L2正则化项
            • scale_pos_weight : 默认1， 控制正负权重的平衡
            • base_score : float，默认0.5， 所有样本的初始预测分数
            • random_state : int, 随机种子
            • missing : 缺失值设置， 缺失值设置
            • score_each_iteration : 默认False， 启用此选项可在模型训练的每次迭代期间评分
            • stopping_rounds : 默认0, 指定stopping_rounds合数后，在stopping_metric没有改善的情况下 将停止训练，0禁用
            • stopping_metric : ，默认'AUTO'， 指定用于提前停止训练的评判指标可选项: 'AUTO'、'logloss'、'MSE'、'RMSE'、'MAE'、'RMSLE'、'AUC'、 'AUCPR'、'lift_top_group'、'misclassification'、 'mean_per_class_error'、'custom'、'custom_increasing'
            • stopping_tolerance : float，默认0.001， 指定相对差，如果提升小于该值，则停止训练
            • max_runtime_secs : 默认0， 模型训练允许的最大运行时间（以秒为单位），0禁用
            • categorical_encoding : 指定以下编码方案之一来处理分类特征， (默认'AUTO'):'AUTO'、'UniformAdaptive'、'Random'、 'QuantilesGlobal'、'RoundRobin'
            • export_checkpoints_dir : 将生成的模型自动导出到指定的目录， 指定目录
            • monotone_constraints : 表示单调约束的映射， +1表示递增约束，-1表示递减约束
            • score_tree_interval : 默认0， 每间隔score_tree_interval数量进行模型打分，设置为0则禁用该选项
            • max_bins : int，默认256， 构建直方图的bin的最大数量
            • max_leaves : int，默认0， 指定每棵树的最大叶子节点数
            • sample_type : 默认'uniform'， 采样算法的类型可选项:'uniform' : 统一选择丢弃树； 'weighted' : 按权重比例选择丢弃树
            • normalize_type : , 默认'tree'， 归一化算法的类型可选项：'tree' : 新树的每棵树都有相同的权重； 'forest' : 新树的丢弃树（森林）总权重相同
            • rate_drop : 默认0， 丢弃比例
            • one_drop : bool，默认False， 启用此标志后，在丢弃期间始终会丢弃至少一颗树
            • skip_drop : 默认0， 在boosting迭代期间跳过丢弃过程的概率
            • grow_policy : 默认'depthwise'， 控制将新节点添加到树中的方式可选项: 'depthwise' : 距离根节点最近的节点处分割; 'lossguide' : 在损失变化最大的节点处分离
            • dmatrix_type : ，默认'auto' 指定DMatrix的类型,可选项:'auto'、'dense'、'sparse'

          • 方法:

            • fit，包含两个参数： 特征数据：X，标签数据：y
            • predict，包含一个参数： 待预测数据：test_data
            • predict_proba，包含一个参数：待预测数据：test_data

          XGBRegressor

          xgboost 回归算法

          • 参数:

            • max_depth : int，默认6， 树的最大深度
            • learning_rate : float，默认0.3， 学习率
            • n_estimators : int，默认50， 树的棵数
            • verbosity : 默认0， 控制训练和预测时的verbose信息
            • objective : 默认'reg:linear'， 损失函数
            • booster : 默认'gbtree'， 基模型的类型，可选项：'gbtree'、'gblinear'、'dark'
            • tree_method : 默认'auto'，'auto'，'exact'，'approx'，'hist'， 'gpu_exact'，'gpu_hist'
            • n_jobs : int，默认1， 并行的job数量
            • gamma : 默认0， 节点进一步分裂所需的最小loss减少
            • min_child_weight : 默认1， 如果建树过程中，分裂导致叶节点的权重和小于min_child_weight， 则建树过程将放弃该次分裂
            • max_delta_step : 默认0， 允许每个叶子输出的最大增量步长，0则无约束
            • subsample : 默认1， 控制每棵树随机采样的比例
            • colsample_bytree : 默认1， 构造每棵树时列的下采样比例
            • colsample_bylevel : 默认1， 构造树时每个级别的列下采样比例
            • colsample_bynode : 默认1， 构造树时每个节点分裂时下采样的比例
            • reg_alpha : 默认0， L1正则化项
            • reg_lambda : 默认1， L2正则化项
            • scale_pos_weight : 默认1， 控制正负权重的平衡
            • base_score : float，默认0.5， 所有样本的初始预测分数
            • random_state : int, 随机种子
            • missing : 缺失值设置， 缺失值设置
            • score_each_iteration : 默认False， 启用此选项可在模型训练的每次迭代期间评分
            • stopping_rounds : 默认0, 指定stopping_rounds合数后，在stopping_metric没有改善的情况下 将停止训练，0禁用
            • stopping_metric : ，默认'AUTO'， 指定用于提前停止训练的评判指标可选项: 'AUTO'、'logloss'、'MSE'、'RMSE'、'MAE'、'RMSLE'、'AUC'、 'AUCPR'、'lift_top_group'、'misclassification'、 'mean_per_class_error'、'custom'、'custom_increasing'
            • stopping_tolerance : float，默认0.001， 指定相对差，如果提升小于该值，则停止训练
            • max_runtime_secs : 默认0， 模型训练允许的最大运行时间（以秒为单位），0禁用
            • categorical_encoding : 指定以下编码方案之一来处理分类特征， (默认'AUTO'):'AUTO'、'UniformAdaptive'、'Random'、 'QuantilesGlobal'、'RoundRobin'
            • export_checkpoints_dir : 将生成的模型自动导出到指定的目录， 指定目录
            • monotone_constraints : 表示单调约束的映射， +1表示递增约束，-1表示递减约束
            • score_tree_interval : 默认0， 每间隔score_tree_interval数量进行模型打分，设置为0则禁用该选项
            • max_bins : int，默认256， 构建直方图的bin的最大数量
            • max_leaves : int，默认0， 指定每棵树的最大叶子节点数
            • sample_type : 默认'uniform'， 采样算法的类型可选项:'uniform' : 统一选择丢弃树； 'weighted' : 按权重比例选择丢弃树
            • normalize_type : , 默认'tree'， 归一化算法的类型可选项：'tree' : 新树的每棵树都有相同的权重； 'forest' : 新树的丢弃树（森林）总权重相同
            • rate_drop : 默认0， 丢弃比例
            • one_drop : bool，默认False， 启用此标志后，在丢弃期间始终会丢弃至少一颗树
            • skip_drop : 默认0， 在boosting迭代期间跳过丢弃过程的概率
            • grow_policy : 默认'depthwise'， 控制将新节点添加到树中的方式可选项: 'depthwise' : 距离根节点最近的节点处分割; 'lossguide' : 在损失变化最大的节点处分离
            • dmatrix_type : ，默认'auto' 指定DMatrix的类型,可选项:'auto'、'dense'、'sparse'

          • 方法:

            • fit，包含两个参数： 特征数据：X，标签数据：y
            • predict，包含一个参数： 待预测数据：test_data

          ExtraTreesClassifier

          极度随机树分类算法

          • 参数: 同sklearn
          • 方法: 同sklearn

          ExtraTreesRegressor

          极度随机树回归算法

          • 参数: 同sklearn
          • 方法: 同sklearn

          BaggingClassifier

          集成学习树分类算法

          • 参数: 同sklearn
          • 方法: 同sklearn

          BaggingRegressor

          集成学习树回归算法

          • 参数: 同sklearn
          • 方法: 同sklearn

          AdaBoostClassifier

          adboost树分类算法

          • 参数: 同sklearn
          • 方法: 同sklearn

          AdaBoostRegressor

          adaboost树回归算法

          • 参数: 同sklearn
          • 方法: 同sklearn

          LogisticRegression

          逻辑回归分类算法

          • 参数:

            • penalty : 默认'l2'， 正则化项选择，可选'l1'，'l2'，'elasticnet'
            • dual : bool，默认False 是否将原问题转换为其对偶问题
            • tol : float，默认1e-4， 判断提前终止迭代时，残差减少的阈值
            • C : float，默认1.0， 正则化参数，指定正则化强度
            • fit_intercept : bool，默认True 是否将截距／方差加入到决策模型中
            • intercept_scaling : 默认1， 截距缩放
            • class_weight : 默认None，即正负样本权重一样， 用来调整正负样本比例的参数
            • random_state : 默认None， 随机化种子
            • solver : 默认'lbfgs'， 用来指明损失函数的优化方法，可选项: 'newton-cg'、'lbfgs'、'liblinear'、'sag'、'saga'
            • max_iter : int，默认100， 算法收敛的最大迭代次数
            • multi_class : 默认'auto'， 多分类处理方法选择，可选：'auto'、'ovr'、'multinomial'
            • verbose : 默认0，不输出， 是否输出任务进程等相关信息
            • warm_start : bool，默认False， 是否使用上次模型结果作为初始化状态
            • n_jobs : int，默认None， 并行任务数量
            • l1_ratio : 默认None， 当正则化方式设置为'elasticnet'时，加入的'l1'比例
            • ignore_const_cols : bool，默认True， 是否忽略常量训练列，因为无法从中获取任何信息
            • score_each_iteration : bool，默认False， 若启用此选项，可在模型训练的每次迭代期间评分
            • lambda_search : bool，默认False， 指定是否启用lambda搜索
            • early_stopping : 在训练集或验证集上效果没有更多提升时，是否提前停止 提前终止训练
            • standardize : bool，默认True， 是否进行标准化转换（零均值和单位方差）
            • missing_values_handling : 默认'MeanImputation'， 指定如何处理缺失值，可选：'Skip'、'MeanImputation'、'PlugValues'
            • plug_values : 默认None， 当missing_values_handling='PlugValues'时， 指定一个单列frame用于计算缺失值，
            • compute_p_values : 是否计算p值，默认False，
            • remove_collinear_columns : 默认False， 指定在模型构建期间是否自动删除共线列， 仅当没有正则化（lambda=0）时设置，
            • intercept : bool，默认True， 是否在模型中包括常数项
            • non_negative : bool，默认False， 是否强制系数具有非负值
            • objective_epsilon : 默认-1， 如果目标值小于此阈值，则模型收敛
            • prior : 默认-1， 指定p的优先级概率
            • lambda_min_ratio : 指定lambda_search的最小lambda， lambda_search搜索空间限制
            • obj_reg : 默认-1， 指定目标值计算中的似然除法器
            • export_checkpoints_dir : 将生成的模型自动导出到指定的目录， 指定目录
            • balance_classes : bool，默认False， 平衡类别分布
            • max_runtime_secs : int，默认0， 模型训练允许的最大运行时间（以秒为单位），0表示禁用

          • 方法:

            • fit，包含两个参数： 特征数据：X，标签数据：y
            • predict，包含一个参数： 待预测数据：test_data

          LinearRegression

          线性回归算法

          • 参数: 同sklearn
          • 方法: 同sklearn

          ElasticNet

          弹性回归分类算法

          • 参数: 同sklearn
          • 方法: 同sklearn

          Lasso

          Lasso回归算法

          • 参数: 同sklearn
          • 方法: 同sklearn

          Ridge

          岭回归算法

          • 参数: 同sklearn
          • 方法: 同sklearn

          GaussianNB

          贝叶斯分类算法

          • 参数:

            • priors=None,
            • var_smoothing=1e-9,
            • model_id=None,
            • nfolds=0,
            • seed=-1,
            • fold_assignment='AUTO',
            • fold_column=None,
            • keep_cross_validation_models=True,
            • keep_cross_validation_predictions=False,
            • keep_cross_validation_fold_assignment=False,
            • training_frame=None,
            • validation_frame=None,
            • response_column=None,
            • ignored_columns=None,
            • ignore_const_cols=True,
            • score_each_iteration=False,
            • balance_classes=False,
            • class_sampling_factors=None,
            • max_after_balance_size=5.0,
            • max_confusion_matrix_size=20,
            • max_hit_ratio_k=0,
            • laplace=0.0,
            • min_sdev=0.001,
            • eps_sdev=0.0,
            • min_prob=0.001,
            • eps_prob=0.0,
            • compute_metrics=True,
            • max_runtime_secs=0.0,
            • export_checkpoints_dir=None

          • 方法:

            • fit，包含两个参数： 特征数据：X，标签数据：y
            • predict，包含一个参数： 待预测数据：test_data

          KNeighborsClassifier

          最近邻分类算法

          • 参数: 同sklearn
          • 方法: 同sklearn

          KNeighborsRegressor

          最近邻回归算法

          • 参数: 同sklearn
          • 方法: 同sklearn

          MLPClassifier

          神经网络分类算法

          • 参数: 同sklearn
          • 方法: 同sklearn

          MLPRegressor

          神经网络回归算法

          • 参数: 同sklearn
          • 方法: 同sklearn

          SVC

          支持向量机分类算法

          • 参数:

            • C=1.0,
            • kernel='rbf',
            • degree=3,
            • gamma='scale',
            • coef0=0.0,
            • shrinking=True,
            • probability=False,
            • tol=1e-3,
            • cache_size=200,
            • class_weight=None,
            • verbose=False,
            • max_iter=200,
            • decision_function_shape='ovr',
            • random_state=None,
            • model_id=None,
            • training_frame=None,
            • validation_frame=None,
            • response_column=None,
            • ignored_columns=None,
            • ignore_const_cols=True,
            • rank_ratio=-1.0,
            • positive_weight=1.0,
            • negative_weight=1.0,
            • disable_training_metrics=True,
            • sv_threshold=0.0001,
            • fact_threshold=1e-05,
            • feasible_threshold=0.001,
            • surrogate_gap_threshold=0.001,
            • mu_factor=10.0

          • 方法:

            • fit，包含两个参数： 特征数据：X，标签数据：y
            • predict，包含一个参数： 待预测数据：test_data

          PCA

          主成分分析 (PCA).

          • 参数:

            • n_components=1,
            • copy=True,
            • whiten=False,
            • svd_solver='auto',
            • tol=0.0,
            • iterated_power='auto',
            • random_state=None,
            • model_id=None,
            • training_frame=None,
            • validation_frame=None,
            • ignored_columns=None,
            • ignore_const_cols=True,
            • score_each_iteration=False,
            • transform=None,
            • pca_method='GramSVD',
            • pca_impl=None,
            • max_iterations=1000,
            • use_all_factor_levels=False,
            • compute_metrics=True,
            • impute_missing=False,
            • max_runtime_secs=0.0,
            • export_checkpoints_dir=None,

          • 方法:

            • fit，包含一个参数： 训练数据：X
            • predict，包含一个参数： 待预测数据：test_data

          IsolationForest

          孤立森林算法

          • 参数

            • n_estimators=50,
            • max_samples='auto',
            • contamination='auto',
            • max_features=1.0,
            • bootstrap=False,
            • n_jobs=None,
            • behaviour='deprecated',
            • random_state=None,
            • verbose=0,
            • warm_start=False,
            • model_id=None,
            • training_frame=None,
            • score_each_iteration=False,
            • score_tree_interval=0,
            • ignored_columns=None,
            • ignore_const_cols=True,
            • max_depth=8,
            • min_rows=1.0,
            • max_runtime_secs=0.0,
            • build_tree_one_node=False,
            • mtries=-1,
            • sample_size=256,
            • sample_rate=-1.0,
            • col_sample_rate_change_per_level=1.0,
            • col_sample_rate_per_tree=1.0,
            • categorical_encoding='AUTO',
            • stopping_rounds=0,
            • stopping_metric='AUTO',
            • stopping_tolerance=0.01,
            • export_checkpoints_dir=None,

          • 方法:

            • fit，包含一个参数： 训练数据：X
            • predict，包含一个参数： 待预测数据：test_data

          KMeans

          K-Means聚类算法

          • 参数:

            • n_clusters : int, 默认1， 要形成的簇数以及要生成的质心数
            • init : {'Random', 'Furthest', 'PlusPlus'}，默认'Furthest'， 初始化方法
            • n_init : int，默认10， 使用不同质心种子运行k-means算法的时间
            • max_iter : int，默认10， 最大迭代次数
            • tol : float， 默认1e-4， 收敛条件的阈值
            • precompute_distances : {‘auto’, True, False}，默认'auto'， 是否预计算距离
            • verbose : int，默认0， 控制训练和预测时的verbose信息
            • random_state : int，默认None， 随机数种子
            • copy_x : bool， 默认True
            • n_jobs : int，默认None， 并行的job数量
            • algorithm : {“auto”, “full”, “elkan”}， 默认'auto'
            • ignore_const_cols : bool，默认True， 是否忽略常量训练列，因为无法从中获取任何信息
            • score_each_iteration : bool，默认False， 启用此选项可在模型训练的每次迭代期间评分
            • estimate_k : bool， 默认False
            • user_points : 指定一个dataframe， 其中每一行表示一个初始群集中心
            • max_runtime_secs : float，默认0， 模型训练允许的最大运行时间（以秒为单位）0表示禁用
            • categorical_encoding : 默认'AUTO'， 指定以下编码方案之一，来处理分类特征： 'AUTO'、'Enumenum_limited'、'OneHotExplicit'、 'Binary'、'Eigen'、'LabelEncoder'、'SortByResponse'
            • export_checkpoints_dir : str， 将生成的模型自动导出到指定的目录

          • 方法:

            • fit，包含一个参数： 训练数据：X
            • predict，包含一个参数： 待预测数据：test_data
          上一篇
          使用教程
          下一篇
          Blackhole数据分析