使用方法
本文介绍执行计划服务的使用流程以及管理方法。前提条件 已安装并激活了LE-V-B004型号边缘一体机，详细操作，请参见 激活边缘一体机。LE-V-B004型号边缘一体机已部署了算法应用，算法应用相关说明，请参见 算法应用。说明 若未部署算法应用...
HaaS EDU场景式应用整体介绍
本案例中包括以下主要知识点：三轴加速度传感器的原理和使用 随机数生成的方法 抖动滤除算法 通过本案例的学习，能完整的学习到三轴加速度传感器的原理和使用，AliOS Things中加速度传感器的数据读取，算法开发等等操作。同时，您还可以...
视频分类训练
本文介绍视频分类训练算法组件的配置方法及使用示例。前提条件 已开通OSS并完成授权，详情请参见 开通OSS服务 和 云产品依赖与授权：Designer。使用限制 仅 Designer 提供该算法组件。仅支持 DLC 计算引擎。算法简介 视频分类模块提供主流...
技术类问题
其中，input_angle，out_angle，out_flip即为算法计算得出的，当前画面预期的输入参数值。重要 智能算法检测画面会有额外性能开销，测试验证完毕后，请及时还原该两步的操作。SDK性能表现如何？美颜特效SDK 历经多年迭代，在性能优化、效果...
美颜特效SDK通用问题
其中，input_angle，out_angle，out_flip即为算法计算得出的，当前画面预期的输入参数值。重要 智能算法检测画面会有额外性能开销，测试验证完毕后，请及时还原该两步的操作。SDK性能表现如何？美颜特效SDK 历经多年迭代，在性能优化、效果...
sequential_uuid
背景信息 常规的随机UUID生成器将在给定的范围内均匀取值，这意味着向索引插入数据时，其局部性较差，所有索引叶所在的页都有同样的概率被命中，从而导致整个索引会被强制放入内存中。当使用小索引不会存在这个问题，但一旦索引大小超过...
sequential_uuid
背景信息 常规的随机UUID生成器将在给定的范围内均匀取值，这意味着向索引插入数据时，其局部性较差，所有索引叶所在的页都有同样的概率被命中，从而导致整个索引会被强制放入内存中。当使用小索引不会存在这个问题，但一旦索引大小超过...
sequential_uuid
这种方法得到的UUID几乎是完全连续的，但这种方法存在以下两个问题：随机性减少：如果使用了产生bigint值的序列，产生UUID的随机性将从16 B降低到8 B，时间戳也以类似的方式降低了随机性，具体取决于时间戳的精度。随机性的下降增加了碰撞...
文章相似度
参数设置 相似度计算方法 指定相似度计算方法类型。取值范围为：levenshtein levenshtein_sim（默认值）lcs lcs_sim ssk cosine simhash_hamming simhash_hamming_sim 子串的长度，ssk和cosine中可用 仅当 相似度计算方法 取值为 ...
UUID生成器（UUID-OSSP）
利用这个方法生成的UUID不需要随机算法且不依赖任何运行相关的环境因素，生成过程是可重复的。uuid_generate_v4()此函数会生成一个v4版本的UUID。算法完全依靠随机数。uuid_generate_v5(namespace uuid,name text)此函数会生成一个v5版本的...
使用UUID-OSSP
利用这个方法生成的UUID不需要随机算法且不依赖任何运行相关的环境因素，生成过程是可重复的。uuid_generate_v4()此函数会生成一个v4版本的UUID。算法完全依靠随机数。uuid_generate_v5(namespace uuid,name text)此函数会生成一个v5版本的...
高效基因序列检索助力快速分析肺炎病毒
为进一步验证算法性能，AnalyticDB MySQL版 基因向量抽取算法计算了常用于基因检索库中的BLAST[6]算法序列与基因转向量l2距离序列的相似度，两个序列的斯皮尔曼等级相关系数是0.839。以上得出结论，将DNA序列转换成向量用于相似基因片段的...
什么是AI分布式训练通信优化库AIACC-ACSpeed
优化方法 相比较传统的ring-allreduce算法，ACSpeed设计的hybrid-allreduce算法实现了单机和多机的分层训练，充分利用单机内部高速带宽同时降低多机之间低速网络的通信量，并且针对阿里云不同机型的网卡和GPU距离的拓扑特点，实现多种不同...
推荐解决方案综述
获得足够的User和Item数据后，您可以通过协同过滤etrec算法或矩阵分解算法计算得到Item-Item数据，详情请参见 组件配置 或 使用ALS算法实现音乐评分预测（旧版）。说明 etrec算法中可以设置权重 weight。例如，对点击、收藏及购买设置不同...
XGBoost训练
XGBoost算法在Boosting算法的基础上进行了扩展和升级，具有较好的易用性和鲁棒性，被广泛用在各种机器学习生产系统和竞赛领域，该算法支持分类和回归。XGBoost训练组件在XGBoost算法的基础上进行了包装，使功能和PAI更兼容，更易用。本文为...
GBDT二分类预测V2
GBDT二分类预测V2组件提供了针对GBDT二分类V2组件的预测功能，使用梯度提升决策树(Gradient Boosting Decision Trees)算法，对数据进行二分类问题的预测。本文介绍GBDT二分类预测V2组件的配置方法。支持计算资源 支持的计算引擎为...
XGBoost预测
XGBoost算法在Boosting算法的基础上进行了扩展和升级，具有较好的易用性和鲁棒性，被广泛用在各种机器学习生产系统和竞赛领域，该算法支持分类和回归。XGBoost预测组件是在开源社区的基础上进行包装，您可以使用该组件对XGBoost训练组件...
基于Alink框架的FM推荐
output.link(sinks[0])BatchOperator.execute()print('predict end')设置算法执行使用的计算资源。单击空白画布，在右侧的 工作流属性 页签，选择 Alink/FlinkML算法默认执行资源 为 Flink。在画布中，分别单击 PyAlink-FM训练 和 PyAlink-...
签名认证
签名算法 本文介绍 函数计算 API签名步骤，SDK中已经实现了签名算法并对API进行签名，无需您手动计算。具体信息，请参见 SDK列表。对于每一个请求，函数计算 服务会根据请求头部的 Authorization 字段来校验是否合法（设置了HTTP触发器的...
线性模型特征重要性
线性模型特征重要性组件用于计算线性模型的特征重要性，包括线性回归和二分类逻辑回归，支持稀疏和稠密数据格式。本文为您介绍该组件的配置方法。使用限制 支持的计算引擎为MaxCompute。组件配置 您可以使用以下任意一种方式，配置线性模型...
新建实验
AutoML是PAI提供的机器学习增强型服务，集成了多种算法和分布式计算资源，无需编写代码，通过创建实验即可实现模型超参数调优，提高机器学习效率和性能。本文为您介绍如何新建实验。背景信息 AutoML的工作机制：实验会根据算法配置自动生成...
Prophet
Prophet是Facebook开源的时间序列预测算法，适用于具有一定规律的数据。Prophet组件通过对每一行的MTable数据，进行Prophet时间序列预测，给出下一时间段的预测结果。本文为您介绍Prophet组件的配置方法。使用限制 支持的计算引擎为...
部署及微调Mixtral-8x7B MoE模型
计算资源配置：算法需要使用4张GU108（80 GB显存）的GPU资源，请确保选择使用的资源配额内有充足的计算资源。超参数配置：训练算法支持的超参信息如下，您可以根据使用的数据，计算资源等调整超参，或是使用算法默认配置的超参。超参数 ...
PMI
PMI算法组件用来统计若干文章中所有词的共现情况，计算两两之间的PMI（point mutual information）。本文为您介绍PMI算法组件的配置方法。背景信息 互信息（Mutual Information）是信息论里一种有用的信息度量，它可以看成是一个随机变量中...
K-均值聚类
k-均值聚类（Kmeans）算法是非常基础且被大量使用的聚类算法。算法基本原理：以空间中k个点为中心进行聚类，对最靠近它们的点进行归类。通过迭代的方法，逐次更新各聚类中心的值，直至得到最好的聚类结果。将样本集分为k个类别的算法描述...
基本概念
项目类型 引擎类型 联邦建模 联邦学习 多方安全建模 训练和预测 多方安全分析 分析 隐私求交 分析 隐私求交 隐私求交（Private Set Intersection，简称 PSI）是一种隐私计算方法，是将各参与方的样本数据做求交集处理。该方法可以保证在...
2024年
计算成本优化功能在原计算资源优化功能（对 包年包月一级Quota 类型的计算资源生成更优的资源配置方案）的基础上增加支持查看使用 按量付费计算资源 调整为使用 包年包月计算资源 的资源配置推荐方案及效果推演，帮助您进一步优化计算成本...
什么是向量检索服务
超大规模索引构建和检索：引入复合性检索算法，精于工程实现和算法底层优化，低成本实现高效率的检索方法，单片索引可达几十亿的规模。标签+向量检索：在索引算法层实现了“带条件的向量检索”，解决了传统多路归并召回结果不理想的情况，...
技术分析函数
KAUFMANS_EFFICIENCY_RATIO()Kaufman效率比(Kaufman’s Efficiency Ration)，或简称为效率比(Efficiency Ratio，ER)，它的计算方法是：将一段时间内的数据变化除以实现该变化所发生的数据变动的绝对值的总和。得出的比率在0和1之间，比率越...
分解类算法参数调优
在使用分解类算法计算原始数据时，数据点会被分解为趋势项（trend），周期项（season）和残余项（residual）三部分，即原始数据=trend+season+residual。分解完成后，再使用esd算法对残余项进行异常检测：算法会为每一个数据点分解得到的...
线性回归算法（Linear Regression）
虽然可以根据肉眼观察数据点在坐标系的位置来画出趋势线，但是更恰当的方法是利用LR计算出趋势线的位置和倾斜率。参数说明 下表中的参数为创建模型 CREATE MODEL 语法中 model_parameter 参数的取值，您可以根据当前需求选择对应的参数。...
PGVector
PGVector是一个高效的向量数据库插件，支持多种向量计算算法和数据类型，同时还能够高效存储与查询以向量表示的AI Embedding。本文档将为您介绍PGVector的背景、原理、使用方法及其他相关信息。背景信息 随着数据科学和机器学习等技术的...
PGVector
PGVector是一个高效的向量数据库插件，支持多种向量计算算法和数据类型，同时还能够高效存储与查询以向量表示的AI Embedding。本文档将为您介绍PGVector的背景、原理、使用方法及其他相关信息。背景信息 随着数据科学和机器学习等技术的...
PGVector
PGVector是一个高效的向量数据库插件，支持多种向量计算算法和数据类型，同时还能够高效存储与查询以向量表示的AI Embedding。本文档将为您介绍PGVector的背景、原理、使用方法及其他相关信息。背景信息 随着数据科学和机器学习等技术的...
hmac-auth插件
Content-MD5：请求中的Content-MD5头的值，可为空只有在请求存在Body且Body为非Form形式时才计算Content-MD5头，下面是Java的Content-MD5值的参考计算方式。String content-MD5=Base64.encodeBase64(MD5(bodyStream.getbytes("UTF-8")));...
专业版
专业版环境搭建及使用方法请参见 用户指南。说明 若您是新用户：请使用最新系列的最新版本。若您是老用户：请根据如下说明，使用Link IoT Edge软件包。正在使用LTS版本：请使用对应系列的最新版本。正在使用非LTS版本：建议升级版本到LTS...
标准版
标准版使用环境要求如下：x86_64 Linux：要求Linux kernel version≥2.6.32 ARMv7 VFPv3硬浮点型，Linux：要求Linux kernel version≥2.6.32 ARMv8_64 Linux：要求Linux kernel version≥2.6.32 标准版环境搭建及使用方法请参见 用户指南。...
数据探索函数
通过Kolmogorov-Smirnov方法计算p值。p值代表在原假设成立的情况下，样本数据或更极端数据出现的概率。当概率p小于显著性水平0.05时，这个概率非常小，意味着样本数据或更极端数据的出现是不可能事件。因此我们有足够的理由拒绝原假设，...
逻辑回归
计算逻辑原理 逻辑回归的思路是，先拟合决策边界（不局限于线性，还可以是多项式），再建立这个边界与分类的概率联系，从而得到了二分类情况下的概率。本质是假设数据服从这个分布，然后使用极大似然估计做参数的估计。参数说明 IN端口 ...
向量召回评估
hitrate的具体计算方法为，假设真实trigger（u2i召回时为user，i2i召回时为item）的 关联item集合为M，而实际召回了top k个和trigger相似的items，若其中落在了 M 里的集合为 N，则top k hitrate为|N|/|M|。为了进行bad case study，组件...
- 产品推荐
- 这些文档可能帮助您