执行纵向联邦模型训练作业 - executeFlVerticalJob
功能介绍
执行纵向联邦模型训练作业
调用方法
请参见如何调用API。
URI
POST /v1/{project_id}/leagues/{league_id}/fl-vertical-jobs/{job_id}/execute
|
参数 |
是否必选 |
参数类型 |
描述 |
|---|---|---|---|
|
project_id |
是 |
String |
项目ID,最大32位,由字母和数字组成 |
|
league_id |
是 |
String |
空间ID,最大32位,由字母和数字组成 |
|
job_id |
是 |
String |
任务id,最大32位,由字母和数字组成 |
请求参数
|
参数 |
是否必选 |
参数类型 |
描述 |
|---|---|---|---|
|
X-Auth-Token |
是 |
String |
用户Token。由一个或多个字母数字+-=符号组成。 通过调用接口获取用户Token接口获取。 |
|
X-Language |
是 |
String |
根据自己偏好的语言来获取不同语言的返回内容,zh-cn或者en_us |
|
Content-Type |
是 |
String |
发送的实体的MIME类型 |
|
参数 |
是否必选 |
参数类型 |
描述 |
|---|---|---|---|
|
instance_id |
否 |
String |
实例id,最大32位,由字母和数字组成 |
|
job_instance_type |
是 |
String |
纵向联邦作业类型 SQL, HFL, VFL_TRAIN, VFL_EVALUATE, VFL_ID_TRUNCATION, VFL_FEATURE_SELECTION, VFL_SAMPLE_ALIGNMENT, VFL_PREDICT, PIR_SQL; |
|
datasets |
否 |
String |
“代理id1.数据集名1.租户别名1,代理id2.数据集名2.租户别名2”格式的字符串 |
|
features |
否 |
Array of DatasetFeatureEntity objects |
所选数据集特征 |
|
label_dataset |
否 |
String |
标签数据集,最大长度100 |
|
label |
否 |
String |
标签列名,最大长度1000 |
|
label_agent |
否 |
String |
标签方代理id,最大32位,由字母和数字组成 |
|
job_name |
否 |
String |
作业名称。名称不能以空白字符开头结尾、或者包含下列任何字符:\ / : * ? " < > |,长度要求在1~128之间 ,最大值2的31次方-1 |
|
binning_type |
否 |
String |
特征分箱策略。 DISTANCE, FREQUENCY; |
|
learning_task_type |
否 |
String |
纵向联邦任务类型。 CLASSIFICATION(1), REGRESSION(2); |
|
job_creation_agent |
否 |
String |
作业发起方代理id,最大32位,由字母和数字组成 |
|
model_param |
否 |
ModelParamVo object |
纵向联邦的模型参数 |
|
参数 |
是否必选 |
参数类型 |
描述 |
|---|---|---|---|
|
agent_id |
是 |
String |
数据集所属agent id |
|
dataset_name |
是 |
String |
数据集名称 |
|
features |
是 |
Array of strings |
数据集特征集合 |
|
参数 |
是否必选 |
参数类型 |
描述 |
|---|---|---|---|
|
predict_threshold |
否 |
Float |
预测阈值,最小值0,最大值1 |
|
learning_rate |
否 |
Float |
学习率,最小值0,最大值1 |
|
batch_size |
否 |
Integer |
批大小,最小值1 |
|
epoch |
否 |
Integer |
迭代次数,最小值1 |
|
tree_num |
否 |
Integer |
树数量,最小值1 |
|
tree_depth |
否 |
Integer |
树深度,最小值1 |
|
split_num |
否 |
Integer |
切分点数量,最小值5 |
|
discrete_embedding_size |
否 |
Integer |
离散特征embedding的维度,最小值4 |
|
multihot_embedding_size |
否 |
Integer |
multihot特征embedding的维度,最小值4 |
|
mlp_dims |
否 |
Array of integers |
多层感知机每层的节点数 |
|
reduction_ratio |
否 |
Integer |
senet层压缩比例,最小值2 |
|
save_format |
否 |
String |
模型保存格式 |
|
loss_function |
否 |
String |
损失函数 |
|
loss_param |
否 |
String |
损失函数参数json字符串 |
响应参数
状态码:200
|
参数 |
参数类型 |
描述 |
|---|---|---|
|
job_instance_id |
String |
作业实例id,最大长度32 |
请求示例
post https://x.x.x.x:12345/v1/{project_id}/leagues/{league_id}/fl-vertical-jobs/{job_id}/execute
{
"job_instance_type" : "VFL_TRAIN",
"job_creation_agent" : "eb6756be3d1e47b08c27b7127cc8e546",
"model_param" : {
"learning_rate" : "0.5",
"epoch" : 1,
"batch_size" : 1,
"tree_num" : 1,
"tree_depth" : 1,
"split_num" : 5,
"predict_threshold" : "0.5"
},
"vfl_external_param" : {
"dp.enabled" : true,
"dp.epsilon" : 10
}
}
响应示例
状态码:200
执行纵向联邦模型训练作业成功
{
"job_instance_id" : "7b0df147d6464ef2877b22f6d964d274"
}
状态码
|
状态码 |
描述 |
|---|---|
|
200 |
执行纵向联邦模型训练作业成功 |
|
401 |
操作无权限 |
|
500 |
内部服务器错误 |