主成分分析
特征分解方式 分解特征的方式，取值如下：CORR COVAR_SAMP COVAR_POP 数据转换方式 转换为新数据的处理方式，取值如下：Simple Sub-Mean Normalization 执行调优 生命周期 指定输出表的生命周期，取值为正整数。节点个数 与 单个节点内存...
App端性能体验功能说明
完整介绍Quick Tracking性能体验模块-APP端涉及功能。产品介绍 产品概述 应用性能稳定是良好用户体验中非常关键的一环，而现实情况却是应用崩溃、卡顿、加载缓慢、页面白屏等问题，频频出现在用户的真实体验之中，成为影响业务表现的直接...
服务条款
7.1.2 不得对移动数据分析服务和/或其任何部分（包括页面标识、服务品牌、资讯、数据等）进行复制、翻译、修改、反编译、反汇编、反向工程、分解拆卸，不修改或拆分移动数据分析的代码或者任何功能；7.1.3 不得超越授权范围使用移动数据...
时空数据库版本发布记录
GeomGrid SQL 新增 ST_Degeneralize 函数，支持将低层级网格分解成高层级网格。SfMesh SQL 新增 ST_YupToZup 函数，支持将Y轴朝上的模型转为Z轴朝上的模型。新增 ST_ZupToYup 函数，支持将Z轴朝上的模型转为Y轴朝上的模型。新增 ST_...
时空数据库版本发布记录
GeomGrid SQL 新增 ST_Degeneralize 函数，支持将低层级网格分解成高层级网格。SfMesh SQL 新增 ST_YupToZup 函数，支持将Y轴朝上的模型转为Z轴朝上的模型。新增 ST_ZupToYup 函数，支持将Z轴朝上的模型转为Y轴朝上的模型。新增 ST_...
文档修订记录
向量计算使用指南 2023.12.27 新增向量计算概述 新说明 Hologres支持向量计算，可以使用向量数据表示非结构化数据的特征，通过高性能向量检索实现对非结构化数据的快速查询。本文为您介绍Hologres中向量计算的特点及优势。向量计算概述 ...
DeepFM算法
简介 DeepFM将深度学习模型（DNN）和因子分解机（FM）模型结合，同时支持学习低阶显式特征组合和高阶隐式特征组合，不需要人工做特征工程，常用于推荐系统或广告系统。输入通常有以下两类特征：类别特征（Categorical Feature）：字符串...
影响查询性能的因素
数据分布特征 由于使用了分布式数据处理架构，AnalyticDB MySQL版 具备将一条查询分解到多个节点上并行执行的能力。但 AnalyticDB MySQL版 能否充分利用多节点来并行处理查询，还取决于数据在存储节点上的分布特征。如果数据能够均匀分布在...
组件参考：所有组件汇总
特征工程 特征重要性过滤 特征重要性过滤组件为线性特征重要性、GBDT特征重要性和随机森林特征重要性等组件提供过滤功能，支持过滤TopN的特征。主成分分析 该组件是研究如何通过少数主成分揭示多个变量间的内部结构，考察多个变量间相关性...
奇异值分解
奇异值分解（Singular Value Decomposition）是线性代数中一种重要的矩阵分解，是矩阵分析中正规矩阵求对角化的推广。在信号处理、统计学等领域有重要应用。背景信息 奇异值分解的公式为 X=U S V’。参数配置 您可以使用以下任意一种方式，...
主成分分析
在一些项目中，拿到的数据往往存在很多特征，在大数据集上进行复杂的分析和挖掘需要很长的时间，有一些特征对于结果没有意义，数据降维产生更小但保持数据完整性的新数据集，在降维后的数据集上进行分析和挖掘将更有效率。计算逻辑原理 主...
概述
日志服务机器学习功能为您提供多种功能丰富的算法和便捷的调用方式，您可以在日志查询分析中通过分析语句和机器学习函数调用机器学习算法，分析某一字段或若干字段在一段时间内的特征。针对时序数据分析场景，日志服务提供了丰富的时序分析...
偏最小二乘回归
是 是 是 否 最大迭代次数 奇异值分解乘幂法的最大迭代次数。是 500[1,10000]迭代截止条件 乘幂法迭代截止条件中使用的收敛准则公差。是 1e-06[0,1]测试集比例 测试模型的数据占总输入数据的比例，用于计算模型的评价指标，默认0.2。是 0.2...
推荐解决方案综述
使用如下任何一种算法挖掘特征（User和Item本身特征、User-Item交叉特征及Context特征）：挖掘特征工程：特征工程。自动挖掘Autocross特征：Auto ML自动特征工程使用说明。使用FM算法自动挖掘二阶交叉特征：使用FM-Embedding实现推荐召回。...
序列分解函数
序列分解函数提供针对业务曲线的分解功能，突出曲线的趋势信息和周期信息。ts_decompose 函数格式：select ts_decompose(x,y)参数说明如下：参数 说明 取值 x 时间列，从小到大排列。格式为Unixtime时间戳，单位为秒。y 数值列，对应某时刻...
使用ALS算法实现音乐评分预测（旧版）
本文为您介绍如何使用ALS矩阵分解算法预测用户对音乐的评分。前提条件 已创建工作空间，详情请参见 创建工作空间。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...
基本概念
数据建模 数据模型：是数据特征的抽象，它从抽象层次上描述了系统的静态特征、动态行为和约束条件，为数据库系统的信息表示与操作提供一个抽象的框架，数据资源平台支持逻辑模型和物理模型。逻辑模型：反映的是系统分析设计人员对数据存储...
GMM聚类
功能说明 GMM（Gaussian Mixture Model）是一个将事物分解为若干的基于 高斯概率密度函数（正态分布曲线）形成的模型，混合高斯分布（MoG）由多个混合成分组成，每一个混合成分对应一个高斯分布。当聚类问题中各个类别的尺寸不同、聚类间有...
算法说明
目前智能巡检使用流式图算法、流式分解算法进行数据巡检。本文介绍流式图算法、流式分解算法的适用场景、参数配置、预览说明等内容。流式图算法 流式图算法基于Time2Graph系列模型中的原理进行研发，可对数据进行整体降噪，分析异常数据...
Designer使用案例汇总
使用ALS算法实现音乐评分预测（旧版）介绍如何使用ALS矩阵分解算法预测用户对音乐的评分。智能风控解决方案 案例名称 描述 图像内容风控解决方案 基于人工智能算法快速构建符合业务场景的风控模型，并部署为EAS在线服务，助力您快速识别高...
统计与分析
在这一环节，我们可以将所有原始访问数据进行基本的分解和分析，并以报表和告警的方式来展示趋势或告知异常。阿里云 IDaaS CIAM 为客户提供了三种类型的报表，包括用户访问数据分析报表组、应用访问数据分析报表组、用户画像分析报表组。...
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...
分解类算法参数调优
本文介绍分解类算法（ostl-esd、istl-esd和istl-nsigma）的参数调优方法。背景信息 分解类算法（ostl-esd、istl-esd和istl-nsigma）适用于周期性数据，常见于QPS类数据，如每天或每周在相对固定的时刻出现峰值或者谷值的数据。在使用分解类...
ALS评分
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...
时序异常检测的常见问题
如果您的数据带有较强的周期性，比如每天或每周在相对固定的时刻出现峰值或者谷值，那么推荐您优先尝试分解类算法（ostl-esd和istl-esd），参数调优请参见 分解类算法参数调优。如果您的数据通常通过阈值即可判断异常，那么推荐您优先尝试...
概览
产品优势 智能阈值与单指标或多指标报警规则相比，优势如下：报警降噪 智能阈值会采集每个实例的指标数据，利用鲁棒性时序分解和预测等模型适配，适应不同实例指标的数据水位和业务变化，并基于历史报警聚类和相似度匹配，进一步过滤异常...
步骤
使用场景 当页面存在复杂任务或先后关系时，您可以使用 步骤 组件将其分解成一系列步骤，从而简化任务。使用说明 在某个容器内或整个页面内支持拖入 步骤 组件，步骤数据绑定动态值时，您需要绑定一个类型为List类型的变量，其中Structure...
使用Grafana进行异常检测算法调优
如果您的数据带有较强的周期性，比如每天或每周在相对固定的时刻出现峰值或者谷值，那么推荐您优先尝试分解类算法（ostl-esd和istl-esd），参数调优请参见 分解类算法参数调优。如果您的数据通常通过阈值即可判断异常，那么推荐您优先尝试...
数据探索函数
时序分解函数 获取时序数据中的趋势信息与周期信息。极大值检测函数 找到序列数据的局部极大值。均匀分布或指数分布的检验函数 只支持华东2（上海）地域。分布检验函数支持的最大数据量为500万行。用于离线调度的分布检验函数。通过...
ST_Degeneralize
将低层级网格分解成高层级网格。语法 geomgrid[]ST_Degeneralize(geomgrid gridcode,integer precision);geomgrid[]ST_Degeneralize(geomgrid[]gridarray,integer precision);返回值 地理网格数组。参数 参数名称 描述 gridcode 地理网格...
ST_Degeneralize
将低层级网格分解成高层级网格。语法 geomgrid[]ST_Degeneralize(geomgrid gridcode,integer precision);geomgrid[]ST_Degeneralize(geomgrid[]gridarray,integer precision);返回值 地理网格数组。参数 参数名称 描述 gridcode 地理网格...
ST_Degeneralize
将低层级网格分解成高层级网格。语法 geomgrid[]ST_Degeneralize(geomgrid gridcode,integer precision);geomgrid[]ST_Degeneralize(geomgrid[]gridarray,integer precision);返回值 地理网格数组。参数 参数名称 描述 gridcode 地理网格...
预测与异常检测函数
linear：使用STL序列分解的结果，将分解得到趋势序列使用Linear Regression算法进行预测，再将分解出来的序列按照加法模型进行求和后返回。processType 数据对应的预处理流程。取值包括：0：不进行任何额外的数据预处理。1：对数据去除异常...
数据检索与预览
平台提供场景数据的可视化功能，包括数据的检索、预览、回放等，通过目标数据特征检索并找到各类元数据。数据集 说明 数据文件的集合，通过左上方搜索栏输入数据集名称字段可自动检索出名称含该字段的数据集。a.任务产出数据集：由任务产出...
远图互联：自定义流程实现高效需求管理
用表格管理的需求与任务：基于钉钉任务管理 采用钉钉任务对需求分版本进行任务分解和排期，在一定程度上解决了进度状态同步的问题，历史交付也在一定程度上有所留痕，但依然存在一些不足的地方：•不支持跨产品虚拟团队人员的全量任务跟踪...
KMS计费说明
费用分解 1个CMK（收取密钥托管费用）10,000次创建数据密钥API调用（1次API调用×10,000个对象）2,000,000次解密API调用 月度成本预估 费用 自定义硬件密钥（元）密钥托管 7.11 API调用 43.014（0.214×2,010,000/10,000）总计 50.124 计费...
指标拆解树
指标拆解树通过分解核心指标，可以定位影响指标的关键渠道或关键成员。例如，指标拆解树可以方便的查看多个维度中的各个成员对整体的贡献，您也可以将度量值分解至一个或多个组，分析每个组的数据情况。本文为您介绍如何为指标拆解树添加...
使用Grafana进行异常检测算法调优
如果您的数据带有较强的周期性，比如每天或每周在相对固定的时刻出现峰值或者谷值，那么推荐您优先尝试分解类算法（ostl-esd和istl-esd），参数调优请参见 分解类算法参数调优。如果您的数据通常通过阈值即可判断异常，那么推荐您优先尝试...
使用Grafana进行异常检测算法调优
如果您的数据带有较强的周期性，比如每天或每周在相对固定的时刻出现峰值或者谷值，那么推荐您优先尝试分解类算法（ostl-esd和istl-esd），参数调优请参见 分解类算法参数调优。如果您的数据通常通过阈值即可判断异常，那么推荐您优先尝试...
时序异常检测
异常检测算法在检测过程中持续学习时序数据的特征（例如数据趋势或者周期），从而完成对新插入时序点的检测。例如新插入的时序数据有一个非常大的尖刺，检测结果可能为异常。时序异常检测搭配 SAMPLE BY 语句可以实现以下功能：搭配 SAMPLE...
- 产品推荐
- 这些文档可能帮助您