Apprentissage du modèle d'arbre de décision - 7.3

Rapprochement de données à l'aide des outils Talend

Version
7.3
Language
Français
Product
Talend Big Data Platform
Talend Data Fabric
Talend Data Management Platform
Talend Data Services Platform
Talend MDM Platform
Talend Real-Time Big Data Platform
Module
Studio Talend
Content
Création et développement > Systèmes tiers > Composants Data Quality > Composants de rapprochement > Composants de rapprochement continu
Création et développement > Systèmes tiers > Composants Data Quality > Composants de rapprochement > Composants de rapprochement de données
Création et développement > Systèmes tiers > Composants Data Quality > Composants de rapprochement > Composants de rapprochement flou
Création et développement > Systèmes tiers > Composants Data Quality > Composants de rapprochement > Composants de rapprochement utilisant l'apprentissage automatique
Gouvernance de données > Systèmes tiers > Composants Data Quality > Composants de rapprochement > Composants de rapprochement continu
Gouvernance de données > Systèmes tiers > Composants Data Quality > Composants de rapprochement > Composants de rapprochement de données
Gouvernance de données > Systèmes tiers > Composants Data Quality > Composants de rapprochement > Composants de rapprochement flou
Gouvernance de données > Systèmes tiers > Composants Data Quality > Composants de rapprochement > Composants de rapprochement utilisant l'apprentissage automatique
Qualité et préparation de données > Systèmes tiers > Composants Data Quality > Composants de rapprochement > Composants de rapprochement continu
Qualité et préparation de données > Systèmes tiers > Composants Data Quality > Composants de rapprochement > Composants de rapprochement de données
Qualité et préparation de données > Systèmes tiers > Composants Data Quality > Composants de rapprochement > Composants de rapprochement flou
Qualité et préparation de données > Systèmes tiers > Composants Data Quality > Composants de rapprochement > Composants de rapprochement utilisant l'apprentissage automatique
Last publication date
2024-02-07
Cette section présente l'apprentissage de votre modèle d'arbre de décision.

Procédure

  1. Ajoutez un composant tDecisionTreeModel dans l'espace de modélisation graphique.
  2. Reliez le tModelEncoder au tDecisionTreeModel à l'aide d'un lien Row Main.
  3. Double-cliquez sur le tDecisionTreeModel pour ouvrir sa vue Component.
  4. Cochez la case sous Storage afin de sélectionner le stockage HDFS.
  5. Choisissez le schéma créé précédemment.
  6. Dans la colonne Features Column, sélectionnez MyFeatures.
  7. Dans la colonne Label Column, sélectionnez MyLabels.
  8. Cochez la case sous Model location et sauvegardez le système de fichiers HDFS dans /user/puccini/machinelearning/decisiontrees/marketing/decisiontree.model.
  9. Laissez la valeur par défaut des autres paramètres.

    Votre Job final doit ressembler à ceci.

  10. Cliquez sur l'onglet Run et allez dans Spark Configuration.
  11. Cochez la case Use local mode.
    Vous pouvez également exécuter ce Job directement dans le cluster Hadoop, cas le plus probable dans des situations de production. Pour cela, vous devez apporter quelques ajustements à la manière dont le Job s'exécute, y compris décocher la case Use local mode.