BiPartiteMatching

二分图(BiPartite)是指的所有顶点可分为两个集合,每条边对应的两个顶点分别属于这两个集合。对于一个二分图G,M是它的一个子。如果M的边集中任意两条边都不依附于同一个顶点,则称M为一个匹配。二分图匹配(BiPartiteMatching)常...

GBDT分类预测V2

GBDT分类预测V2组件提供了针对GBDT分类V2组件的预测功能,使用梯度提升决策树(Gradient Boosting Decision Trees)算法,对数据进行分类问题的预测。本文介绍GBDT分类预测V2组件的配置方法。支持计算资源 支持的计算引擎为...

算法建模

本文以逻辑回归分类算法为例,为您介绍如何使用PAI Designer训练模型。前提条件 完成数据可视化,详情请参见 数据可视化。操作步骤 登录 PAI控制台,进入工作流页面。操作详情请参见 step1:进入工作流页面。构建逻辑回归分类节点并...

评估模型

本文以评估分类训练模型为例,为您介绍如何进行模型评估。前提条件 完成建模,详情请参见 算法建模。操作步骤 登录 PAI控制台,进入工作流页面。操作详情请参见 step1:进入工作流页面。构建预测节点。在组件列表中分别搜索 预测 组件,...

横向分类评估

一、组件说明 横向分类模型的评估任务,可以输出ACC值、AUC、KS值、ROC曲线等。支持使用单方或多方联合数据,评估横向分类模型。组件截图 、参数说明 参数名称 参数说明 标签字段 样本的label标签,用于当做Ground Truth,用于评估。...

分类评估

一、组件说明 分类模型的评估任务,可以输出ACC值、AUC、KS值、ROC曲线等。组件截图 、参数说明 参数名称 参数说明 标签字段 样本的label标签,用于当做Ground Truth,用于评估。单选。正样本标签值 正样本标签的原值或编码值,如:>50...

数据建模

在左侧组件列表,将 机器学习>分类 下的 逻辑回归分类 组件拖入画布中。通过连线,将 逻辑回归分类-1 节点作为 拆分-1 节点 输出表1 端口的下游节点。单击画布中的 逻辑回归分类-1 节点,在右侧 字段设置 页签,将 特征列 设置为 ...

GBDT分类V2

算法使用 该算法实现中包含了XGBoost提出的阶梯度优化目标以及LightGBM的直方近似计算。对于一些常见的分类问题,都可以使用这个算法解决,模型拥有较好的性能,且拥有不错的可解释性。该算法支持稀疏向量格式与多列特征格式的输入。...

横向预测

一、组件说明 横向预测组件是专门用于横向模型预测的组件,如横向逻辑回归分类、横向MLP分类等。输入为预测数据表和模型,输出为预测结果。支持使用单方或多方联合数据,获得横向模型预测结果。横向分类和多分类模型预测结果包括...

预测

一、组件说明 预测组件是专门用于模型预测的组件,如XGBOOST分类、多分类等。输入为预测数据表和模型,输出为预测结果。分类和多分类模型预测结果包括predict_result预测结果列和predict_detail预测结果详细列。回归模型的预测组件输出...

雾霾天气预测

本文通过分析北京一年的真实天气数据,构建雾霾天气预测模型,...在 分类评估 对话框,单击 评估图表 页签,即可查看 逻辑回归分类 训练模型的预测效果。AUC的取值表示 逻辑回归分类 组件训练的雾霾天气预测模型的准确率达到了98%以上。

异常指标监控

解决方案 PAI提供了一套基于指标监控的分类算法,将异常指标监控抽象为分类场景,并将监控模型部署至在线系统,从而实现近线风控。该方案的要求如下:人力要求:需要熟悉机器学习经典算法,尤其是特征工程及分类算法。开发周期:1~2天...

MLP分类/MLP多分类/MLP回归

一、组件说明 MLP分类是指使用多层感知机(Multi-Layer Perceptron)进行二元分类...例如,本项目中有成功建模的任务名为“xgb_criteo_10w”,其中有建模组件名字为“MLP分类”,则模型名字为“xgb_criteo_10w_MLP分类”,如下所示:

读模型文件

一、组件说明 用户建模完成之后,模型可能会被用于不同任务中去。DataTrust支持模型在平台上的复用。组件截图 、参数说明 参数名称 参数说明 选择模型文件 用户如果在本项目某个工作流中使用【机器学习】或者...选择后,配置项如下所示:

横向MLP分类/MLP多分类/MLP回归

一、组件说明 横向MLP分类是指使用多层感知机(Multi...例如,本项目中有成功建模的任务名为“1_横向虚拟关联_train算法”,其中有建模组件名字为“横向MLP分类”,则模型名字为“1_横向虚拟关联_train算法_横向MLP分类”,如下所示:

使用可视化大屏查看分析报告

数据可视化分析:相关系数矩阵 直方 散点 箱线图 数据视图 特征工程:线性模型特征重要性 随机森林特征重要性 模型评估:混淆矩阵 聚类模型评估 多分类评估 分类评估 模型可视化:GBDT分类 GBDT回归 随机森林 XGBoost训练 统计分析...

横向逻辑回归分类

一、组件说明 横向逻辑回归通过将线性回归...例如,本项目中有成功建模的任务名为“1_横向虚拟关联_train算法”,其中有建模组件名字为“横向逻辑回归分类”,则模型名字为“1_横向虚拟关联_train算法_横向逻辑回归分类”,如下所示:

创建安全联邦学习任务(任务模式)

包括 等频箱、等距箱、卡方箱。处理类型选择箱处理后,则不能再选择其他处理类型。每个字段只能选择一种箱处理。数据编码:仅支持用于字符类型。包括 One-hot编码、Binary编码、WOE编码。单击 提交,完成任务的创建。步骤三:...

分类评估

分类评估通过计算AUC、KS及F1 Score指标,输出KS曲线、PR曲线、ROC曲线、LIFT Chart及Gain Chart。组件配置 您可以使用以下任意一种方式,配置分类评估组件参数。方式一:可视化方式 在 Designer 工作流页面配置组件参数。参数 描述 ...

XGBOOST分类

一、组件说明 XGBoost是一种基于梯度提升决策树(Gradient Boosting ...例如,本项目中有成功建模的任务名为“xgb_criteo_10w”,其中有建模组件名字为“XGBOOST分类”,则模型名字为“xgb_criteo_10w_XGBOOST分类”,如下所示:

PS-SMART分类训练

同时,PS-SMART支持多种数据格式及直方近似等优化技术。使用限制 支持的计算引擎为MaxCompute。使用说明 PS-SMART分类训练组件的目标列仅支持数值类型,且 0 表示负例,1 表示正例。如果MaxCompute表数据是STRING类型,则需要进行类型...

逻辑回归分类

经典逻辑回归是一个分类算法,支持稀疏及稠密数据格式。组件配置 您可以使用以下任意一种方式,配置逻辑回归分类组件参数。方式一:可视化方式 在 Designer 工作流页面配置组件参数。页签 参数 描述 字段设置 训练特征列 输入数据源中...

组件参考:所有组件汇总

直方 该组件(Histogram)又称质量分布,是一种统计报告,由一系列高度不等的纵向条纹或线段表示数据分布的情况。机器学习 预测 该组件的输入为训练模型和预测数据,输出为预测结果。XGBoost训练 该组件算法在Boosting算法的基础上...

术语解释

分位数 指将一个随机变量的概率分布范围分为几个等份的数值点,常用的有中位数(即二分位数)、四分位数、百分位数等。更多内容请参见 链接。例如,正态分布的百分位数情况如下所示:90分位数 指将样本数据切分为100份,存在某阈值,其间...

评分卡预测

输出变量 是否输出每个特征变量所对应的分数,最终的预测总得分为截距项的得分加所有的变量。执行调优 核数目 使用的CPU Core数量,默认系统自动分配。每个核的内存大小 每个CPU Core所用的内存大小,默认系统自动分配。方式:PAI...

逻辑回归分类

一、组件说明 逻辑回归通过将线性回归模型的输出通过Sigmoid函数进行映射,将连续的...例如,本项目中有成功建模的任务名为“xgb_criteo_10w”,其中有建模组件名字为“逻辑回归”,则模型名字为“xgb_criteo_10w_逻辑回归”,如下所示:

GBDT分类

GBDT(Gradient Boosting Decision Tree)分类算法的原理是设置阈值,如果特征值大于阈值,则为正例,反之为负例。组件配置 您可以使用以下任意一种方式,配置GBDT分类组件参数。方式一:可视化方式 在 Designer 工作流页面配置组件...

基于分箱组件实现连续特征离散化

单击待查看特征(以 f1 特征列为例)名称,即可查看该特征的箱详情,如下所示。单击 图表 页签,以图表的形式查看箱结果。相关文档 关于算法组件更详细的内容介绍,请参见 箱、数据转换模块。您可以使用Designer完成其他的AI开发...

术语解释

分位数 指将一个随机变量的概率分布范围分为几个等份的数值点,常用的有中位数(即二分位数)、四分位数、百分位数等。例如,正态分布的百分位数情况如下所示:中位数 指将样本数据按大小顺序排列起来,形成一个数列,居于数列中间位置的...

分箱

通过箱组件可以进行特征离散化,即将连续的数据进行段,使其变为多个离散化区间。箱组件支持等频箱、等宽箱及自动箱。配置组件 您可以使用以下任意一种方式,配置箱组件参数。方式一:可视化方式 在 Designer 工作流页面配置...

性能监控指标

耗时分位数 分位数,也叫做分位点,是指将一个随机变量的概率分布范围划分为几个等份的数值点,例如中位数(即二分位数)可以将样本数据分为两个部分,一部分的数值都大于中位数,另一部分都小于中位数。相对于平均值,中位数可以有效的...

配置图表标题区

热力 线/面 线图 面积 堆积面积 百分比堆叠面积 组合 柱/条 堆积柱状 百分比堆积柱状 条形 堆积条形 百分比堆积条形 环形柱状 排行榜 瀑布 动态条形 饼/环形 饼 玫瑰 雷达 矩形树图 气泡/散点 ...

使用方法

说明 次确认 的时间,不得大于 计划周期 时间,例如两个参数的取值如下:次确认:每隔 15 分钟检测一次,连续发现 2 次后上报AI事件 计划周期:40 次确认时间为15*2=30分钟,小于计划周期的40分钟。❷摄像头执行配置 摄像头执行...

什么是数据库GDB?

数据库(Graph Database,简称GDB)是一种支持Property Graph模型、用于处理高度连接数据查询与存储的实时、可靠的在线数据库服务。它支持Apache TinkerPop Gremlin查询语言,可以帮您快速构建基于高度连接的数据集的应用程序。数据...

EncodeBlindWatermark-添加图片盲水印

图片中不能直接看到该水印,但可以通过DecodeBlindWatermark恢复中隐藏的水印。接口说明 此接口已不再维护,建议使用 新版(2020-09-30 版本)API。关于新版与旧版 API 的对比,请参见 新旧版本使用指引 中的 新版与旧版 API 对应关系...

发布解决方案落地页

移动端客户logo为240×144 px。广告图片 高清图片。客户墙方式 客户logo墙方式,至少需要提供5个客户logo。不同数量客户logo图片尺寸不一样。5个logo,⽚尺⼨544×180 px;6个logo,⽚尺⼨934×180 px;8个logo,⽚尺⼨...

使用ossfs上传大文件时提示“There is no enough disk...

场景片大小和上传线程数量的参数设置错误。例如磁盘可用空间是300 GB,需上传的文件是100 GB。因操作错误,multipart_size被设置成了100 GB,上传线程数量是5。此时ossfs判断上传的文件就是 100 GB*5=500 GB,超过了磁盘安全空间。...

图文管理

如下所示:点击富文本框中的图片按钮,弹出 图片素材 弹出框,支持使用图库的图片素材或本地上传图片,且仅支持单个图片添加。选择图片后,点击 确定 按钮完成图片上传。如下所示:支持视频文件的上传与展示。点击 插入视频 图标,输入...

快速体验数字人效果

、配置&自定义装扮数字人(可跳过)通过第一步成功下单3D数字人流媒体(停复机)产品之后,您可以登录 虚拟数字人开放平台控制台,进行数字人的配置与装扮。操作方法参考:配置数字人形象。三、配置数字人项目 通过第一步成功下单3D数字...

动态特征提取

支持8种计算方式,包括最大值、最小值、平均值、标准差、线性趋势、变化趋势、一阶差阶差。计算逻辑原理 最大值:取采样数据序列的最大值,作为输出。最小值:取采样数据序列的最小值,作为输出。平均值:取采样数据序列的平均值,...
共有200条 < 1 2 3 4 ... 200 >
跳转至: GO
产品推荐
云服务器 安全管家服务 安全中心
这些文档可能帮助您
号码百科 智能视觉 资源管理 弹性公网IP 短信服务 人工智能平台 PAI
新人特惠 爆款特惠 最新活动 免费试用