# 配比预测类数据集
预测数据配比是将单个数据集中目标列各分类值按照特定比例关系组合并生成"加工数据集"的过程，确保数据的多样性、平衡性和代表性。
如果单个数据集已满足您的需求，**可跳过此章** **节至** [发布预测类数据集](https://support.huaweicloud.com/usermanual-pangulm/pangulm_04_0066.html)。
#### 创建预测类数据集配比任务
创建预测类数据集配比任务步骤如下：
1. 登录ModelArts Studio大模型开发平台，在"我的空间"模块，单击进入所需空间。
   图1我的空间   
   ![](https://support.huaweicloud.com/usermanual-pangulm/zh-cn_image_0000002571047020.png) 
2. 仅分类数据支持配比，在左侧导航栏中选择"数据工程 \> 数据加工 \> 配比任务"，单击界面右上角"创建配比任务"。
   图2创建配比任务   
   ![](https://support.huaweicloud.com/usermanual-pangulm/zh-cn_image_0000002571047008.png) 
3. 在"数据集选择"页签选择需要配比的预测类数据集，单击"下一步"。
4. 在"数据配比"页面，可以设置数据集的配比方式，如按目标列。根据选择的目标列，为分类值设置配比数量。填写好配比数量，单击"下一步"。
5. 数据配比完成后，单击右下角"下一步"，进行资源配置，并选择是否勾选自动生成加工数据集。
   - 资源配置 单击![](https://support.huaweicloud.com/usermanual-pangulm/zh-cn_image_0000002571047010.png)展开资源配置，可以设置任务资源 。也支持自定义参数配置，单击"添加参数"，输入参数名称和参数值。
     表1参数配置 
     | 参数名称           | 参数说明                                                                                                                                                                                                                                                      |
     |:---|:---|
     | numExecutors   | Executor的数量，默认值2。Executor（执行器）是运行在工作节点上的进程，它负责执行具体的task任务，并将计算结果返回给Driver（驱动程序）。每个Executor每个核同时能跑一个task任务，所以增加了Executor的个数相当于增大了任务的并发度。在资源充足的情况下，可以相应增加Executor的个数，以提高运行效率。 numExecutors \* executorMemory最小值为4，最大值为16。 |
     | executorCores  | 每个Executor进程使用的CPU内核数量，默认值2。每个Executor多个核同时能跑多个task任务，相当于增大了任务的并发度。但是由于所有核共用Executor的内存，所以要在内存和核数之间做好平衡。 numExecutors \* executorMemory最小值为4，最大值为16。executorCores和executorMemory的比例需要在1:2\~1:4之间。                        |
     | executorMemory | 每个Executor进程使用的内存数量，默认值4。Executor的内存主要用于任务执行、通信等。当一个任务很大的时候，可能需要较多资源，因而内存也可以做相应的增加；当一个任务较小运行较快时，就可以增大并发度减少内存。 executorCores和executorMemory的比例需要在1:2\~1:4之间。                                                              |
     | driverCores    | 驱动程序进程使用的CPU内核数量，默认值2。Driver负责任务的调度，和Executor之间的消息通信。 driverCores和driverMemory的比例需要在1:2\~1:4之间。                                                                                                                          |
     | driverMemory   | 驱动程序进程使用的内存数量，默认值4。Driver负责任务的调度，和Executor之间的消息通信。当任务数变多，任务平行度增大时，Driver内存都需要相应增大。 driverCores和driverMemory的比例需要在1:2\~1:4之间。                                                                                            |
        
     图3资源配置   
     ![](https://support.huaweicloud.com/usermanual-pangulm/zh-cn_image_0000002601606213.png) 
   
   - 自动生成加工数据集 勾选，配置生成加工数据集的信息，如[图4]；单击右下角"确定"，平台将启动配比任务。配比任务运行成功后自动生成加工数据集。
     不勾选，单击右下角"确定"，平台将启动配比任务。配比任务运行成功后手动生成加工数据集。
     图4自动生成加工数据集   
     ![](https://support.huaweicloud.com/usermanual-pangulm/zh-cn_image_0000002601726153.png) 
   
   - 扩展信息（可选） 可选择行业、语言信息，或自定义数据集属性。
     图5扩展信息   
     ![](https://support.huaweicloud.com/usermanual-pangulm/zh-cn_image_0000002601726161.png) 
    
6. 单击"确定"，页面将返回至"数据配比"页面，配比任务运行成功后，状态将显示为"运行成功"。
7. 加工数据集可在配比任务栏-"已生成数据集"中查看，也可在"数据工程 \> 数据管理 \> 数据集 \> 加工数据集"中查看。