扩展/Train|Run|Predict

Train/Run/Predict 都属于 Byzer-lang 里独有的并且可扩展的句式，一般用于机器学习模型的训练和预测，以及特征工程相关的数据处理操作。

想了解更多 内置算法 和 特征工程 算子的应用，可跳转置对应章节。

1. 基础语法

Train

train 顾名思义，就是进行训练，主要是对算法进行训练时使用。下面是一个比较典型的示例：

load json.`/tmp/train` as trainData;

train trainData as RandomForest.`/tmp/rf` where
keepVersion="true"
and fitParam.0.featuresCol="content"
and fitParam.0.labelCol="label"
and fitParam.0.maxDepth="4"
and fitParam.0.checkpointInterval="100"
and fitParam.0.numTrees="4"
;

• 第一行代码，含义是加载位于 /tmp/train 目录下的，数据格式为 JSON 的数据，并且给该表取名为 trainData；
• 第二行代码，则表示提供 trainData 为数据集，使用算法 RandomForest，将模型保存在 /tmp/rf 下，训练的参数为 fitParam.0.* 参数组里指定的那些。其中 fitParam.0 表示第一组参数，用户可以递增设置 N 组，Byzer-lang 会自动运行多组，最后返回结果列表。例如：

load json.`/tmp/train` as trainData;

train trainData as RandomForest.`/tmp/rf` where
-- 每次模型不要覆盖，保持版本
keepVersion = "true"
and `fitParam.0.labelCol`= "label"  --y标签
and `fitParam.0.featuresCol`= "features"  -- x特征
and `fitParam.0.maxDepth`= "4"

--设置了两组参数同时运行可对比结果优劣
and `fitParam.1.labelCol`= "label"  --y标签
and `fitParam.1.featuresCol`= "features"  -- x特征
and `fitParam.1.maxDepth`= "10";

Run

run 的语义是对数据进行处理，而不是训练。

下面来看一个例子：

run testData as TableRepartition.`` where partitionNum="5" as newdata; 

格式和 train 是一致的，其含义为运行 testData 数据集，使用内置插件 TableRepartition 对其重分区处理， 处理的参数是 partitionNum="5"，最后处理后的表叫 newdata。

Predict

predict 顾名思义，应该和机器学习相关预测相关。比如上面的 train 示例中，用户将随机森林的模型放在了 /tmp/rf 目录下，用户可以通过 predict 语句加载该模型，并且对表 testData 进行预测。

示例代码如下：

predict testData as RandomForest.`/tmp/rf`;