Sambert语音合成
提供SAMBERT+NSFGAN深度神经网络算法与传统领域知识深度结合的文字转语音服务，兼具读音准确，韵律自然，声音还原度高，表现力强的特点。语音合成API基于达摩院改良的自回归韵律模型，具有推理速度快，合成效果佳的特点。开发者可以通过...
基于二部图GraphSAGE算法实现推荐召回
背景信息 图神经网络是深度学习的热点发展方向，PAI开源Graph-Learn框架，提供大量图学习算法。二部图GraphSAGE是经典的图神经网络算法，而GraphSAGE为二部图场景扩展，被用于淘宝的推荐召回场景。在二部图场景下，可以将User和Item作为图...
创建安全联邦学习任务（任务模式）
适用特征维度特别多，特别是神经网络算法。数据集设置 配置使用方和加持方的数据信息，用于后续的数据处理。使用方：指需要数据的一方。加持方：指提供数据的一方。训练集：需训练的数据表。Label字段：指标签字段，用于后续训练学习。对齐...
概述
矩阵分解、深度神经网络模型等算法都可以生成用户和物品的embedding向量，然而常规的模型还是需要依赖用户和物品的交互行为数据来建模，并不能很好地泛化到冷启动的用户和物品上。现在也有一些可以用来为冷启动用户和物品生成embedding向量...
拒绝推断
算法原理 拒绝推断方法需要根据输入的包含真实标签和预测结果的训练数据（又称为授信数据），给缺少真实标签但包含预测结果的数据加上合适的标签，没有真实标签的数据又称为拒绝数据。该算法提供以下四种拒绝推断方法。模糊法 模糊法...
Lasso回归预测
算法原理 Lasso回归算法通过构造一个惩罚函数，得到一个较为精炼的模型。使得它压缩一些回归系数，即强制系数绝对值之和小于某个固定值，同时设定一些回归系数为0。因此保留了子集收缩的优点，是一种处理具有复共线性数据的有偏估计。可视...
岭回归预测
算法原理 岭回归是一种专用于共线性数据分析的有偏估计回归方法，实质上是一种改良的最小二乘估计法，通过放弃最小二乘法的无偏性，以损失部分信息、降低精度为代价获得回归系数更为符合实际、更可靠的回归方法，对病态数据的拟合要强于...
GBDT二分类预测V2
算法原理 梯度提升决策树模型构建了一个由多棵决策树组成的组合模型。每一棵决策树对应一个弱学习器，将这些弱学习器组合在一起，可以达到比较好的分类或回归效果。梯度提升的基本递推结构为：其中，通常为一棵 CART 决策树，为决策树的...
管控台概览
同时支持开发者快速体验并了解不同场景下产品功能，算法效果以及算法原理。同时用户可以在概览页全局统计本账号下项目个数，计量用量，以及帮助文档快速链接。我的项目 服务总量：该账号下所有已创建服务。已上线服务：该账号下所有已上线...
Lasso回归训练
算法原理 Lasso回归算法通过构造一个惩罚函数，得到一个较为精炼的模型。使得它压缩一些回归系数，即强制系数绝对值之和小于某个固定值，同时设定一些回归系数为0。因此保留了子集收缩的优点，是一种处理具有复共线性数据的有偏估计。可视...
岭回归训练
算法原理 岭回归是一种专用于共线性数据分析的有偏估计回归方法，实质上是一种改良的最小二乘估计法，通过放弃最小二乘法的无偏性，以损失部分信息、降低精度为代价获得回归系数更为符合实际、更可靠的回归方法，对病态数据的拟合要强于...
Designer使用案例汇总
改进版swing相似度计算算法 介绍改进版swing相似度算法原理，包括工具包下载、工具包详细参数说明以及常见问题等。基于组件化EasyRec框架快速搭建深度推荐算法模型 组件化EasyRec框架可以帮助你以“搭积木”的方式快速构建想要的模型结构。...
人工神经网络
功能说明 人工神经网络组件支持使用人工神经网络算法对分类或回归问题进行建模。人工神经网络（Artificial Neural Network，缩写ANN），简称神经网络或类神经网络，是一种模仿生物神经网络（动物的中枢神经系统，特别是大脑）的结构和功能...
SimRank+相似度计算算法
本文介绍了推荐系统中一个常用的协同过滤算法SimRank，包括它的算法原理，及其应用在个性化推荐场景时的改进。同时，本文还描述了如何在生产环境部署SimRank+算法。算法简介 SimRank算法是一种用于衡量结构上下文中个体相似度的方法，其...
高维向量检索（PASE）
IVFFlat的算法原理参见下图。算法流程说明：高维空间中的点基于隐形的聚类属性，按照kmeans等聚类算法对向量进行聚类处理，使得每个类簇有一个中心点。检索向量时首先遍历计算所有类簇的中心点，找到与目标向量最近的n个类簇中心。遍历计算...
高维向量检索（PASE）
IVFFlat的算法原理参见下图。算法流程说明：高维空间中的点基于隐形的聚类属性，按照kmeans等聚类算法对向量进行聚类处理，使得每个类簇有一个中心点。检索向量时首先遍历计算所有类簇的中心点，找到与目标向量最近的n个类簇中心。遍历计算...
GBDT二分类V2
算法原理 梯度提升决策树模型构建了一个由多棵决策树组成的组合模型。每一棵决策树对应一个弱学习器，将这些弱学习器组合在一起，可以达到比较好的分类或回归效果。梯度提升的基本递推结构为：其中，通常为一棵 CART 决策树，为决策树的...
高效向量检索（PASE）
IVFFlat的算法原理参见下图。算法流程说明：高维空间中的点基于隐形的聚类属性，按照kmeans等聚类算法对向量进行聚类处理，使得每个类簇有一个中心点。检索向量时首先遍历计算所有类簇的中心点，找到与目标向量最近的n个类簇中心。遍历计算...
线性支持向量机
背景信息 本文中的线性支持向量机算法不通过核函数方式实现，具体实现理论请参见 算法原理 中的Trust Region Method for L2-SVM部分。使用限制 线性支持向量机算法组件仅支持二分类场景。组件配置 您可以使用以下任意一种方式，配置线性...
改进版swing相似度计算算法
本文为您介绍改进版swing相似度计算算法原理，包括工具包下载、工具包详细参数说明以及常见问题等。改进版swing算法 改进1：限定common neighbour数量 原版的swing算法对于物品的同时被触达的用户数量过少的情况，并不适用。从统计学的角度...
模型创建
nsigma 达摩院自研算法，原理简单，便于分析异常原因。详细信息，请参见 时序异常检测。ttest 达摩院自研算法，适用于识别一个时间窗口内时序指标是否存在因均值变化而发生的异常。详细信息，请参见 时序异常检测。PREPROCESSORS 'string'...
CREATE MODEL
nsigma 达摩院自研算法，原理简单，便于分析异常原因。详细信息，请参见 时序异常检测。ttest 达摩院自研算法，适用于识别一个时间窗口内时序指标是否存在因均值变化而发生的异常。详细信息，请参见 时序异常检测。指定列的预处理操作...
数据库内机器学习
nsigma 达摩院自研算法，原理简单，便于分析异常原因。详细信息，请参见 时序异常检测。ttest 达摩院自研算法，适用于识别一个时间窗口内时序指标是否存在因均值变化而发生的异常。详细信息，请参见 时序异常检测。PREPROCESSORS 'string'...
产品架构
专有网络原理描述 基于目前主流的隧道技术，专有网络隔离了虚拟网络。每个VPC都有一个独立的隧道号，一个隧道号对应着一个虚拟化网络。一个VPC内的ECS（Elastic Compute Service）实例之间的传输数据包都会加上隧道封装，带有唯一的隧道号...
安全体系概述
安全体系 专有网络原理 专有网络VPC是一个隔离的网络环境，专有网络之间逻辑上彻底隔离。基于目前主流的隧道技术，专有网络隔离了虚拟网络。每个VPC都有一个独立的隧道号，一个隧道号对应着一个虚拟化网络。一个VPC内的ECS（Elastic ...
安全联邦学习-任务模式FL
三、安全联邦学习已支持的能力 用途 算法分类 已支持算法 分类 决策树 XGBoostWithDp GBDTWithDp 逻辑回归 LogisticRegressionWithHe 神经网络 神经网络MLP 回归 线性回归 LinearRegressionWithHe 神经网络 神经网络MLP 四、如何进行安全...
安全联邦学习-工作流FL
三、安全联邦学习已支持的能力 用途 算法分类 已支持算法 分类 决策树 XGBoostWithDp GBDTWithDp 逻辑回归 LogisticRegressionWithHe 神经网络 神经网络MLP 回归 线性回归 LinearRegressionWithHe 神经网络 神经网络MLP 四、如何进行安全...
组件参考：所有组件汇总
ALS矩阵分解 交替最小二乘ALS（Alternating Least Squares）算法的原理是对稀疏矩阵进行模型分解，评估缺失项的值，从而得到基本的训练模型。swing训练 该组件是一种Item召回算法，您可以使用swing训练组件基于User-Item-User原理衡量Item...
机器学习
MADlib机器学习模块主要解决以下问题：分类/回归问题：提供一系列算法如K最近邻、MLP多层感知神经网络、SVM支持向量机、决策树等算法来解决二元分类/回归问题，集成最小二乘法、GLM广义线性回归、逻辑回归、多项式回归等模型来解决回归问题...
机器学习（MADlib）
插件简介 MADlib机器学习模块主要解决以下问题：分类、回归问题：提供一系列算法，如K最近邻、MLP多层感知神经网络、SVM支持向量机、决策树等算法来解决二元分类、回归问题，集成最小二乘法、GLM广义线性回归、逻辑回归、多项式回归等模型...
视频分类训练
算法简介 视频分类模块提供主流的3D卷积神经网络和Transformer模型用于视频分类任务的训练，目前已经支持的模型包括X3D系列的X3D-XS、X3D-M及X3D-L和Transformer模型的swin-t、swin-s、swin-b、swin-t-bert，其中swin-t-bert支持视频加文本...
限流算法选择
服务限流中主要使用了 QPS 限流算法和令牌桶算法两种限流算法，本文对这两种算法进行介绍。QPS 限流算法 QPS 限流算法通过限制单位时间内允许通过的请求数来限流。优点：计算简单，是否限流只跟请求数相关，放过的请求数是可预知的（令牌桶...
Smart Metrics常见问题
算法模型原理是什么？目前开放的算法模型基于开源fbprophet模型开发，并优化了曲线类型识别、多周期识别等功能。检测效果不符合预期，如何调整？可以通过调整灵敏度来动态调整上下边界的范围。灵敏度低代表更宽容的上下边界范围，灵敏度高...
SmartMetrics常见问题
算法模型原理是什么？目前开放的算法模型基于开源fbprophet模型开发，并优化了曲线类型识别、多周期识别等功能。检测效果不符合预期，如何调整？可以通过调整灵敏度来动态调整上下边界的范围。灵敏度低代表更宽容的上下边界范围，灵敏度高...
使用ALS算法实现音乐评分预测（旧版）
ALS算法 交替最小二乘ALS（Alternating Least Squares）算法的原理是对稀疏矩阵进行模型分解，评估缺失项的值，从而得到基本的训练模型。在协同过滤分类方面，ALS算法属于User-Item CF（Collaborative Filtering），兼顾 User 和 Item 项，...
ALS矩阵分解
交替最小二乘ALS（Alternating Least Squares）算法的原理是对稀疏矩阵进行模型分解，评估缺失项的值，从而得到基本的训练模型。在协同过滤分类方面，ALS算法属于User-Item CF（Collaborative Filtering），兼顾 User 和 Item 项，也称为...
PageRank
PageRank算法是计算网页排名的经典算法。输入是一个有向图G，其中顶点表示网页。如果存在网页A到网页B的链接，则存在连接A到B的边。算法的基本原理如下：初始化：点值表示PageRank的rank值（DOUBLE类型）。初始时，所有点取值为 1/...
云数据库RDS版网络切换
您可以通过控制台和API将云数据库RDS版的网络类型由经典网络切换至专有网络，同时还可以修改经典网络内网使用期限并保留经典网络的访问地址。前提条件 切换网络类型前，请确保满足以下条件。实例的网络类型是经典网络。实例所在可用区已有...
K均值聚类算法（K-Means）
该算法原理为：先将数据分为K组，随机选取K个对象作为初始的聚类中心，然后计算每个对象与各个种子聚类中心之间的距离，将每一个对象分配给距离它最近的聚类中心，聚类中心以及分配给它们的对象就代表一个聚类。即K-Means算法将输入表的...
新功能发布记录
有助于更好的理解推荐算法的原理，校验推荐结果是否符合业务诉求，辅助运营助手、算法调优的相关功能进行迭代。2022.08.29 所有用户 返回结果 新手引导“新手引导”功能可以帮助快速接入，更好发挥算法效果、提升接入体验：流程引导：围绕...
- 产品推荐
- 这些文档可能帮助您