更新时间:2022-04-16 GMT+08:00
分享

执行作业

执行横向作业

在作业配置页面可以单击“保存并执行”直接执行作业。

  1. 联盟成员登录进入计算节点页面。
  2. 在左侧导航树上依次选择作业管理 > 联邦机器学习,打开联邦机器学习作业页面。
  3. 联邦机器学习页面,查找待执行的作业,单击“执行”,系统自动跳转到“历史作业”页面。

    图1 执行作业

  4. 等待执行完成,在“历史作业”页面查看对应的执行结果、作业报告。

执行纵向作业

  1. 联盟成员登录进入计算节点页面。
  2. 在左侧导航树上依次选择作业管理 > 联邦机器学习,打开联邦机器学习作业页面。
  3. 联邦机器学习页面,查找待执行的纵向作业,单击“执行”

    图2 执行作业

  4. 在弹出的界面配置执行参数,参考表1。填写完作业参数,单击“确定”即可开始训练作业。

    图3 执行参数配置
    表1 参数配置

    算法类型

    参数名

    参数描述

    XGBoost

    学习率

    控制权重更新的幅度,以及训练的速度和精度。取值范围为0~1的小数。

    树数量

    定义XGBoost算法中决策树的数量,一个样本的预测值是多棵树预测值的加权和。取值范围为1~50的整数。

    树深度

    定义每棵决策树的深度,根节点为第一层。取值范围为1~10的整数。

    切分点数量

    定义每个特征切分点的数量,数量越多,准确率越高,计算时间越长。取值范围为5~10的整数。

    分类阈值

    区分正负例的得分阈值。

    隐私保护技术

    用户下拉选择。

    逻辑回归

    学习率

    控制权重更新的幅度,影响训练收敛速度和模型精度,取值范围为0~1。

    迭代次数

    完成全部样本训练的次数,取值为正整数。

    批大小

    单次训练使用的样本数,取值为正整数。

    分类阈值

    区分正负例的得分阈值

    隐私保护技术

    用户下拉选择。

    启动作业后会生成一条新的历史作业记录。

  5. 等待执行完成,在“历史作业”页面查看更详细的作业运行信息,包括执行结果、作业报告。
分享:

    相关文档

    相关产品

close