应用场景
动力学模拟：使用E-HPC进行大规模的分子动力模拟，来预测分析生物蛋白质分子、脂质分子间的相互作用和变化。新药研发：E-HPC帮助研发人员实现大量小分子库的快速并发处理。科研教育 E-HPC可以给政府、高校和超算中心提供超算服务，用于研究...
产品功能
数据预测 模型训练结束后，您可以进行预测分析过程，使用模型在测试数据上进行评估。从训练产生的模型列表中选择一个模型，并选择用于预测的数据帧，执行预测过程，GDB Automl将自动对测试数据进行处理，执行预测任务。执行结束后可以查看...
基础分析
关联性分析 关联性分析是基于业务标签分析用户对话主题之间的关联性，找出高频主题路径，如用户先咨询了业务1再咨询业务2，最后咨询业务3，那么路径为：业务1>业务2>业务3。系统默认按照第二级标签进行分析，用户也可以直接筛选最多五级的...
原因分析
未解决原因分析 分析维度 未解决原因分析是以时间和数据来源的维度对未解决数据进行分析。信息概览 通话总量：表示当前筛选条件下全部通话的数量。未解决通话数量：在当前通话中未解决客户问题的通话数量。未解决通话占比：未解决通话数量/...
2021年7月29日 V3.13.0产品更新
功能模块 亮点解释 情绪分析 情绪分析是通过线上数据从时间、情绪、数据源和角色的维度分析客服和客户间通话的情绪分布、情绪变化、情绪意图并挖掘出其中的热点高频词。复核详情页优化 优化复核详情页展示的效果，将突出显示当前命中的...
数据分析概述
数据分析是数据辅助决策的最后一公里，是最终的数据可视化展示与探索分析的部分，选择使用最适合的数据展示方式，可以帮助分析人员大大提升分析效率。仪表板：支持近40种数据图表，操作方便简单，如果您是专业版用户，还可以在群空间下配置...
服务质量分析
服务质量分析是反应了当前的登录用户权限下坐席人员的服务质量情况，包括了服务质量透视、服务质量趋势、服务质量得分分布、服务质量详情等分析。服务质量分析的数据维度 在基础分析功能中系统支持以质检类型、质检结果类型、时间区间、...
Quick引擎概述
基于数据进行决策分析是应用价值体现的重要场景，不同行业和体量的公司广泛依赖BI产品制作报表、仪表板和数据门户，以此进行决策分析。在利用BI产品进行数据分析过程中，数据处理“慢”会为业务带来很多的困扰，可以想象一下：给老板看的...
拒绝推断
两阶段法 两阶段法（Two-Stage）除了需要前置评分卡模型的预测分值（AcceptRejectScore），还需要一个前置模型预测样本被接受或拒绝的概率（GoodBadScore），两阶段法通过拟合AcceptRejectScore和GoodBadScore的线性关系，修正前置评分卡...
条件随机场预测
条件随机场预测是基于linearCRF在线预测模型的算法组件，主要应用于处理序列标注问题。本文为您介绍条件随机场预测算法组件的参数配置和使用示例。参数配置 Designer 支持通过可视化方式配置组件参数。参数 描述 请选择ID列 样本以N元组的...
事件分析
事件分析是基于事件的指标统计分析，并在分组、筛选等条件下进行下钻分析，能够帮助企业了解用户使用产品的情况，进一步挖掘影响指标变化的主要因素。通过事件分析进行查询后，可以保存为报表添加到自制看板中进行展示和统计。说明 事件：...
线图
例如，分析商品销量随时间的变化，预测未来的销售情况。本文为您介绍如何为线图添加数据并配置样式。前提条件 已创建仪表板，请参见 新建仪表板。图表概述 使用场景 趋势类组件可以显示随时间（根据常用比例设置）而变化的连续数据，因此...
GBDT二分类预测V2
可视化配置参数 输入桩配置 输入桩（从左到右）限制数据类型 建议上游组件 是否必选 模型表 无 GBDT二分类V2 是 预测数据表 无 读数据表 是 右侧参数表单 页签 参数 是否必选 描述 默认值 字段设置 预测结果列名 是 预测结果列名。...
面积图
预测 通过预测可以查看当前数据的发展趋势，对数据进行分析预测。具体设置请参见 预测。异常检测 通过异常检测可以查看当前数据的异常数据点。具体设置请参见 异常检测。波动分析 波动原因分析通过机器智能算法自动拆解分析核心指标波动的...
CreateCampaign-创建预测式外呼活动
1634313600000 CallableTime string 是 预测式外呼活动的可外呼时段，格式为 JSON 对象，对象包含两个属性，beginTime 和 EndTime，例如：[{"beginTime":"00:00:00","endTime":"23:00:00"}]。[{"beginTime":"00:00:00","endTime":"23:00:00...
柱图
预测 通过预测可以查看当前数据的发展趋势，对数据进行分析预测。具体设置请参见 预测。异常检测 通过异常检测可以查看当前数据的异常数据点。具体设置请参见 异常检测。波动分析 波动原因分析通过机器智能算法自动拆解分析核心指标波动的...
组合图
智能洞察 预测 通过预测可以查看当前数据的发展趋势，对数据进行分析预测。具体设置请参见 预测。异常检测 通过异常检测可以查看当前数据的异常数据点。具体设置请参见 异常检测。波动分析 波动原因分析通过机器智能算法自动拆解分析核心...
应用场景
公共交通运营 核心场景 全量出行还原：职住通勤客流还原、出行方式分析、景区客流分析预测。公交运行评价：线网评价（线网密度/站点覆盖率/可达性）、线路评价（满载率/运行速度/可靠性/首发站准点率）、站点评价（到站时间预测/到站准点率...
文本摘要预测
输入桩 输入桩（从左到右）类型 建议上游组件 是否必选 预测数据 OSS 读OSS数据 是 预测模型 组件输出 文本摘要训练 否 组件配置 页签 参数 描述 字段设置 输入数据格式 输入文件的文本列。默认值为 target:str:1,source:str:1。原文列选择...
Lasso回归预测
可视化配置组件参数 输入桩 输入桩（从左到右）数据类型 建议上游组件 是否必选 预测输入模型 无 Lasso回归训练 是 预测输入数据 无 读数据表 特征工程 数据预处理 是 组件参数 页签 参数 描述 字段设置 算法保留列名 选择算法保留列的名称...
标准化批预测
可视化配置参数【输入桩配置】输入桩（从左到右）限制数据类型 建议上游组件 是否必选 预测输入模型 无 标准化训练 是 预测输入数据 数值类型 读数据表 读CSV文件 是【右侧参数表单】页签 参数 描述 参数设置 输出结果列列名数组 可选，...
App端性能体验功能说明
已忽略的错误是否在错误列表展示，默认开启计入统计，如果关闭后，则在崩溃分析、ANR分析、自定义异常、卡顿分析、OOM异常、启动崩溃分析中标记为已忽略的错误就不会在错误列表中展示 性能评分 概述 对应用的性能情况进行量化分析，通过...
GetCampaign-获取预测式外呼活动
ccc-test CampaignId string 是 预测式外呼活动 ID。6badb397-a8b5-40b6-21019d382a09 返回参数 名称 类型 描述 示例值 object RequestId string 请求 ID。6CCEF32F-8614-535F-A1D9-D85B8C0DC4F0 HttpStatusCode long HTTP 状态码。200 ...
机器阅读理解预测
可视化配置组件参数 输入桩 输入桩（从左到右）限制数据类型 建议上游组件 是否必选 输入保存的模型 OSS 机器阅读理解训练 是 预测数据输入 OSS 读OSS数据 是 组件参数 在 Designer 工作流页面配置组件参数。页签 参数 描述 字段设置 选择...
预测式外呼
创建任务 任务是预测式外呼工作的具体载体。通过设定客户名单、接听坐席技能组、外呼日期和时间段、重呼策略、外呼号码等信息来设定一个任务。任务调度系统会根据设定，启动外呼任务，并根据实时坐席、客户等情况，自动呼叫和分配任务。...
阿里云ES机器学习
Elasticsearch（简称ES）机器学习是一种利用机器学习技术对ES数据进行分析和预测的工具和框架。NLP在ES中的应用，使得ES具备了情感分析、实体识别、文本分类和QA问答等机器学习能力，可以提升ES搜索体验能力和降低ES使用难度。本文介绍机器...
预测
预测输出字段说明：预测类型 predict_result predict_detail predict_score 二分类 预测标签 预测概率矩阵 预测标签的概率 多分类 预测标签 预测概率矩阵 预测标签的概率 回归-回归值 组件截图 二、参数说明 字段设置 参数名称 参数说明 ...
算法说明
本文介绍预测算法的适用场景、参数配置等内容。算法简介 预测算法是基于Prophet预测模型中的原理进行研发的。Prophet将时序数据分解为趋势项、周期项和假日项，分别进行拟合与预测，最终整合为未来数据的预测结果。其中Prophet使用linear ...
类目预测功能使用
content为原始查询词 实例：假设某个应用的查询分析规则配置如下表所示：索引名 查询分析规则名 配置类目预测 index1 rule1 No index2 rule2 Yes index3 rule3 Yes 查询的索引没有配置类目预测，请求中有raw_query，不会查询类目预测，查询...
横向预测
横向预测输出字段说明：预测类型 predict_result predict_detail predict_score 二分类 预测标签 预测概率矩阵 预测标签的概率 多分类 预测标签 预测概率矩阵 预测标签的概率 回归-回归值 聚类 簇序号-组件截图 二、参数说明 参数名称 参数...
成本可视化
分析和预测成本趋势 分析成本不仅要针对已经过去的历史周期，还应该对未来可能发生的成本进行预测分析，定期分析预测成本，有助于做好预算管理和财务规划。使用 成本预测 工具，支持在预算管理和成本分析两个场景中的预测。在预算管理中...
XGBoost
计算逻辑原理 XGBoost是一棵树集成模型，它使用的是K（树的总数为K）个树的每棵树对样本的预测值的和作为该样本在XGBoost系统中的预测，XGBoost算法思想就是不断地添加树，不断地进行特征分裂来生长一棵树，每次添加一棵树，其实是学习一个...
Designer使用案例汇总
雾霾天气预测 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，从而挖掘对雾霾天气（指PM 2.5）影响最大的污染物。发电场输出电力预测 介绍如何使用 Designer 预置的工作流模板，快速构建发电场输出电力预测模型。用户窃电识别 ...
软测量校正
计算逻辑原理 当化验值校正确认信号从“校验中”变为“校验完毕”时：根据输入的年月日等时间点得到时间T，从IGate中读取T-K（即预测模型时间偏差）前后deltaT（即时间偏差上限）时间范围内的“预测值”历史数据，找到最接近T-K时刻的预测...
为AHPA开启Prometheus大盘
AHPA关键指标说明 指标名 说明 ahpa_proactive_pods 主动预测Pod数 ahpa_reactive_pods 被动预测Pod数 ahpa_requested_pods 推荐Pod数 ahpa_max_pods 最大Pod数 ahpa_min_pods 最小Pod数 ahpa_target_metric 目标阈值 相关文档 在云原生...
为AHPA开启Prometheus大盘
AHPA关键指标说明 指标名 说明 ahpa_proactive_pods 主动预测Pod数 ahpa_reactive_pods 被动预测Pod数 ahpa_requested_pods 推荐Pod数 ahpa_max_pods 最大Pod数 ahpa_min_pods 最小Pod数 ahpa_target_metric 目标阈值 相关文档 在云原生...
XGBoost预测
其中：XGBoost预测组件输出为原生XGBoost库输出的JSON序列化，如果您想在工作流中接入 二分类评估 组件，您需要在 XGBoost预测 组件的下游接入 SQL脚本 组件，并配置以下代码，将 XGBoost预测 组件输出的JSON序列化转换为 二分类评估 组件...
容量规划
同时，还需要收集历史数据和趋势分析，以便更准确地预测未来的需求。分析系统架构和资源消耗：分析系统的架构和资源消耗情况，包括CPU、内存、磁盘空间、网络带宽等。通过监测系统的性能指标和资源利用率，确定系统的性能瓶颈和资源瓶颈。...
渠道分析
渠道效果分析 在事件分析中，按照如下步骤即可对小红书渠道引流的规模及转化效果进行实时的监控分析。操作步骤：点击「渠道链接」-「分析」跳转到分析页面在事件分析中按照当前渠道链接内容自动生成查询条件。点击查询后，可以获得618活动...
组件参考：所有组件汇总
序列标注预测（MaxCompute）（即将下线）该组件用来加载训练好的模型，对输入数据表进行预测，并产出预测结果。机器阅读理解预测 使用该组件对生成的机器阅读理解训练模型进行离线预测。BERT文本向量化（MaxCompute）（即将下线）该组件是...
- 产品推荐
- 这些文档可能帮助您