GBDT 模型
LightGBM、XGBoost 用于数值特征,CatBoost 还支持类别特征。执行步骤见模型指南,Pod 参数见通用资源配置。
LightGBM 模型
LightGBM 模型是基于 GBDT(梯度提升决策树)框架实现的模型,支持完整的训练、导出和服务部署流程。训练数据和模型文件使用配置的存储,导出时转换为 ONNX 格式用于在线推理。
LightGBM 训练特征先转换为 float32,与 ONNX 和在线服务使用同样的精度;保留 NaN 缺失值,拒绝 Infinity 或 float32 溢出。旧版使用 double 训练的模型需要重新训练,才能保证这项精度一致性。
模型名称:gbdt.lightgbm
GBDT 的 TRAIN、EXPORT 和 SERVICE 可覆盖运行参数及资源配置,但不能改变 Model 声明的模型类型或 label_columns;显式传入相同值允许执行,传入不同值会报错。改变模型类型或标签须新建模型。这项规则适用于 LightGBM、XGBoost 和 CatBoost。
GBDT 在线推理的缺失数值字段和 null 在服务内部转换为 float32 NaN,供模型按缺失值处理,与训练时一致;0 是有效数值。客户端传 null 或省略字段即可,JSON 中不要发送 NaN。数值字符串须是完整的有限 float32 十进制数,非法值返回 HTTP 400。服务继承模型声明中的镜像、版本和资源配置,服务参数可覆盖这些配置;模型下载、加载完成且 /health 探针成功后才接收流量。此行为也适用于 XGBoost 和 CatBoost。
POST /predict 接收非空的对象行数组或列式 JSON;列式值必须为数组,长度须一致,长度为 1 的列可广播。JSON 解析失败、行元素不是对象、列值不是数组、列长度不兼容及空批次均返回 HTTP 400;模型执行抛出的运行时异常返回 HTTP 500。错误响应使用 JSON 格式,包含 error 字段。
输出字段:
| 字段名 | 类型 | 说明 |
|---|---|---|
probs | FLOAT | 二分类正类概率;回归预测值 |
必需参数:
| 参数 | 类型 | 说明 |
|---|---|---|
label_columns | String | 单个标签列名,不能包含逗号或首尾空白 |
训练配置参数:
| 参数 | 类型 | 默认值 | 说明 |
|---|---|---|---|
objective | String | "binary" | 学习目标(binary, regression) |
metric | String | "auc" | 评估指标(auc, logloss, rmse) |
num_iterations | Integer | 300 | boosting 迭代次数 |
learning_rate | Double | 0.1 | 学习率 |
num_leaves | Integer | 63 | 每棵树最大叶子数 |
max_depth | Integer | 6 | 最大树深度 |
feature_fraction | Double | 0.8 | 每棵树使用的特征比例 |
bagging_fraction | Double | 0.8 | 每棵树使用的数据比例 |
bagging_freq | Integer | 5 | bagging 频率 |
min_data_in_leaf | Integer | 20 | 叶子节点最小样本数 |
l2_regularization | Double | 1.0 | L2 正则化系数 |
使用示例:
CREATE MODEL lgb_model (
user_id FLOAT,
age FLOAT,
item_id FLOAT,
item_price FLOAT,
label INT
) WITH (
'model' = 'gbdt.lightgbm',
'label_columns' = 'label',
'num_iterations' = '200',
'learning_rate' = '0.05',
'num_leaves' = '127'
);XGBoost 模型
XGBoost 模型是基于 GBDT(梯度提升决策树)框架实现的模型,支持完整的训练、导出和服务部署流程。训练数据和模型文件均存储在分布式存储上,导出时转换为 ONNX 格式用于在线推理。
模型名称:gbdt.xgboost
输出字段:
| 字段名 | 类型 | 说明 |
|---|---|---|
probs | FLOAT | 二分类正类概率;回归预测值 |
必需参数:
| 参数 | 类型 | 说明 |
|---|---|---|
label_columns | String | 单个标签列名,不能包含逗号或首尾空白 |
训练配置参数:
| 参数 | 类型 | 默认值 | 说明 |
|---|---|---|---|
objective | String | "binary" | 学习目标(binary, regression) |
metric | String | "auc" | 评估指标(auc, logloss, rmse) |
num_iterations | Integer | 300 | boosting 迭代次数 |
learning_rate | Double | 0.1 | 学习率 |
max_depth | Integer | 6 | 最大树深度 |
feature_fraction | Double | 0.8 | 每棵树使用的特征比例(对应 XGBoost colsample_bytree) |
bagging_fraction | Double | 0.8 | 每棵树使用的数据比例(对应 XGBoost subsample) |
min_child_weight | Integer | 1 | 子节点最小权重和 |
l2_regularization | Double | 1.0 | L2 正则化系数(对应 XGBoost reg_lambda) |
使用示例:
CREATE MODEL xgb_model (
user_id FLOAT,
user_age FLOAT,
item_id FLOAT,
item_price FLOAT,
label INT
) WITH (
'model' = 'gbdt.xgboost',
'label_columns' = 'label',
'num_iterations' = '200',
'learning_rate' = '0.05',
'max_depth' = '8'
);CatBoost 模型
CatBoost 模型是基于 GBDT 框架实现的模型,原生支持类别特征处理,支持完整的训练、导出和服务部署流程。训练数据和模型文件使用配置的存储,导出原生 .cbm 格式用于在线推理。
模型名称:gbdt.catboost
训练和在线推理统一将整数类别值转换为十进制字符串,将空类别值转换为 "",保留大整数 ID 的精度。在线类别值须为整数、字符串或 null;浮点数、布尔值和数组返回 HTTP 400。
输出字段:
| 字段名 | 类型 | 说明 |
|---|---|---|
probs | FLOAT | 二分类正类概率;回归预测值 |
必需参数:
| 参数 | 类型 | 说明 |
|---|---|---|
label_columns | String | 单个标签列名,不能包含逗号或首尾空白 |
训练配置参数:
| 参数 | 类型 | 默认值 | 说明 |
|---|---|---|---|
objective | String | "binary" | 学习目标(binary, regression) |
metric | String | "auc" | 评估指标(auc, logloss, rmse) |
cb_iterations | Integer | 1000 | CatBoost 迭代次数 |
cb_depth | Integer | 6 | CatBoost 树深度 |
cb_l2_leaf_reg | Double | 3.0 | L2 叶子正则化系数 |
learning_rate | Double | 0.1 | 学习率 |
使用示例:
CREATE MODEL cb_model (
user_id BIGINT,
user_country VARCHAR,
age INT,
item_id BIGINT,
item_category VARCHAR,
label INT
) WITH (
'model' = 'gbdt.catboost',
'label_columns' = 'label',
'cb_iterations' = '1000',
'cb_depth' = '8',
'learning_rate' = '0.03'
);