分段多项式回归
本文为您介绍分段多项式回归组件。功能说明 分段多项式回归是分段进行分析因变量和多个自变量之间的线性关系模型。计算逻辑原理 分段多项式：通过把输入变量的取值空间分割成连续的区间，然后在每个区间中进行多项式拟合得到的。分段多项式...
分段多项式预测
功能说明 分段多项式预测组件：用于对分段多项式回归组件训练出来的模型进行预测。仅支持分段多项式回归模型。计算逻辑原理 分段多项式：通过把输入变量的取值空间分割成连续的区间，然后在每个区间中进行多项式拟合得到的。分段多项式具有...
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 ...
滤波
否 线性 指数 线性 对数 多项式 乘幂 趋势线拟合滤波-多项式曲线 参数名 参数描述 是否必填 参数默认值 参数范围 阶数 多项式的项数（阶数）。否 2[2,6]输出质量码说明 输出质量码处理方式如下：对于中值、滑动平均、FIR、最大值、最小值和...
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...
支持向量机
是 随机 随机 头部 尾部 核函数类型：多项式 参数名 参数描述 是否必填 参数默认值 参数范围 核函数维度/否 3[1,100]核函数类型：径向、多项式、sigmoid 参数名 参数描述 是否必填 参数默认值 参数范围 核函数系数方式 比例：系数=1/（特征...
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...
线性回归
线性回归模型具有简单、易于理解和解释的特点，同时可以通过多项式扩展等方法处理非线性数据，具有较高的泛化能力和预测准确率。但是，线性回归模型对于离群点、噪声数据和非线性关系的数据比较敏感，需要进行特征标准化和正则化处理。组件...
穿梭框
该组件使用直观方式在左右列表框移动数据，实现数据的多项选择。本文介绍组件的详细配置方法。应用示例 可在穿梭框左列表框以树状或单列的列表形式展示数据源后，移动或搜索数据项。树状列表 单列列表 步骤一：添加组件 创建Web应用。具体...
支持向量回归算法（SVR）
poly：多项式核函数。可以实现将低维的输入空间映射到高维的特征空间，其参数较多。sigmoid：使用该函数作为核函数时，效果类似多层神经网络。c 松弛系数的惩罚项系数。取值为大于0的浮点数，可不填。默认值为1。说明 如果数据质量较差，...
内存快照
JVM监控可以直观展示指定时间段内的多项内存指标，虽然图表能体现出内存使用量过大的情况，但无法显示具体信息，因此不能帮助您排查问题的原因。此时您可以创建内存快照，通过详细的日志查看内存占用的详细信息。功能入口 登录 EDAS控制台...
组件参考：所有组件汇总
卡方拟合性检验 该组件用于变量为类别型变量的场景，旨在检验单个多项分类型变量在各分类间的实际观测次数与理论次数是否一致，其零假设为观测次数与理论次数无差异。箱线图 箱形图是一种用作显示一组数据分散情况的统计图。它主要用于反映...
附录：SOFAStack 产品目录
SOFAStack 源于自蚂蚁内部沉淀十多年的金融级分布式中间件技术体系，吸收了支付宝自创立以来在关键金融交易系统锤炼出来的架构实践。SOFAStack 所有的产品技术均经过蚂蚁集团自身严苛的金融场景验证，为金融交易技术保证风险安全的同时，...
典型客户案例
人保健康新一代电商平台对标行业顶尖水平，引入蚂蚁集团分布式交易架构基础软件，采用微服务、分布式数据库、容器等多项新技术，系统自 2018 年 4 月 18 日上线以来，较好的满足了互联网保险业务快速迭代、高并发、弹性扩展的需求，支撑了...
统计分组
本文统计分组算子的使用方法及注意...统计项支持表达式计算。说明 用户可以一次配置多个统计项。统计范围 配置统计的筛选条件。统计分组算子不会对于不符合条件的请求数据进行聚合。统计范围支持逻辑计算及多层条件嵌套。统计条件支持表达式。
概述
相关性分析函数 ts_association_analysis 针对系统中的多个观测指标，快速找出和某个指标项相关的指标名称。ts_similar 针对系统中的多个观测指标，快速找出和用户输入的时序序列相关的指标名称。URL请求分类函数 url_classify URL请求分类...
PS-SMART回归
虽然多个Worker分布式执行时，树结构不同，但是从理论上可以保证模型效果相近。如果您在训练过程中，使用相同数据和参数，多次得到的结果不一致，属于正常现象。如果需要加速训练，可以增大 计算核心数。因为PS-SMART算法需要所有服务器...
GetResult-获取质检结果
（例如：当前返回每页显示 100 条，当前为 101 页，那么后续查询只能查询 102 页，不可直接查询 103 页）requiredFields String 否 返回结果需要包括哪些字段，多个字段用逗号分隔，请按需选择；可选字段：taskId（任务 id），score（得分...
功能发布记录（2018~2022年）
新增 涉及文档较多 支持配置项 支持将一些不需要加密的配置信息保存到配置项，进行统一管理。新增 管理配置项 支持保密字典 支持将一些敏感的配置信息，如密码、证书等信息保存到保密字典，进行统一管理。新增 管理保密字典 支持使用配置项...
专业版公测（2022年01月26日）
阿里巴巴分布式任务调度平台SchedulerX 2.0的专业版于2022年01月26正式公测，本次公测带来了全新的可视化功能，兼容开源XXL-JOB任务，支持一次性任务，融合大数据DataWorks任务。可视化 日志服务 在当前微服务和容器化越来越流行的情况下，...
CASE 表达式
CASE 表达式返回一个值，该值在 CASE 表达式位于某一表达式内时被替换。CASE 表达式有两种格式：一种称为搜索 CASE，另一种使用选择器。选择器 CASE 表达式 选择器 CASE 表达式尝试将一个称为选择器的表达式与一个或多个 WHEN 子句中指定的...
专业版公测（2022年01月26日）
阿里巴巴分布式任务调度平台SchedulerX 2.0的专业版于2022年01月26正式公测，本次公测带来了全新的可视化功能，兼容开源XXL-JOB任务，支持一次性任务，融合大数据DataWorks任务。可视化 日志服务 在当前微服务和容器化越来越流行的情况下，...
概述
SOFAStack 提供了一套用于快速构建金融级分布式架构的中间件，是在严苛的金融场景里锤炼出来的最佳实践。要使用 SOFA 中间件，例如微服务或消息队列，推荐使用 SOFABoot 框架进行开发。SOFABoot SOFABoot 是蚂蚁科技基于 Spring Boot 自研...
新功能发布记录
本文介绍云数据库Redis版的产品功能动态及对应的文档。...2021-07-07 全部 通过数据闪回按时间点恢复数据 2021年6月 变更项 说明 发布时间 发布地域 相关文档 丰富全球多活能力 Redis全球分布式缓存（全球多活）新增对读写分离架构...
CUBE扩展
如果存在第三项，则会为第三项的每个唯一值、第三项和第一项组合的每个唯一值、第三项和第二项组合的每个唯一值以及第三项、第二项和第一项组合的每个唯一值返回一个小计。最后，将为整个结果集返回一个总计。对于小计行，将为小计包含的...
决策树
计算逻辑原理 决策树是一种树形结构，其中每个内部节点表示一个特征上的判断，每个分支代表一个判断结果的输出，最后每个叶节点代表一种分类或回归的结果，本质是一棵由多个判断节点组成的树。参数说明 IN端口 参数名 参数描述 是否必填 ...
模式匹配
参见下面的正则表达式字符项逃逸表，正则表达式类缩写逃逸表，和正则表达式约束逃逸表。一些例子：'abc' SIMILAR TO 'abc' true 'abc' SIMILAR TO 'a' false 'abc' SIMILAR TO '%(b|d)%' true 'abc' SIMILAR TO '(b|c)%' false '-abc-' ...
产品优势
依托阿里云多年沉淀AI算法，为客户提供全新对话式交互体验 业内先进的对话式AI技术 本产品基于达摩院自研超大规模多模态大模型、多领域融合意图识别大模型等业内先进AI技术，构建有知识、有情感、主动式、多模态的新一代对话引擎，多项核心...
梯度提升回归树算法（GBRT）
本文介绍了梯度提升回归树算法（Gradient Boosting Regression Tree，下文简称GBRT）相关内容。简介 GBRT算法是集成学习Boosting家族的成员，使用了前向分布算法，但是弱学习器限定了只能使用CART回归树模型。前向分布算法的思想是基于当前...
ROLLUP扩展
GROUP BY 子句可指定多个 ROLLUP 扩展以及多次出现的其他 GROUP BY 扩展和各表达式。如果您希望输出显示在一个分层或其他有意义的结构中，应使用 ORDER BY 子句。如果未指定 ORDERBY 子句，则无法保证结果集的顺序。分组级别数或总计数为 n...
Grouping Sets、Rollup和Cube扩展
GROUPING SETS扩展 功能介绍 GROUPING SETS是GROUP BY子句的扩展，可以生成一个结果集，该结果集实际上是基于不同分组的多个结果集的串联（与UNION ALL运算结果类似），但UNION ALL运算和GROUPING SETS扩展并不会消除或合并结果集中的重复...
Grouping Sets、Rollup和Cube扩展
GROUPING SETS扩展 功能介绍 GROUPING SETS是GROUP BY子句的扩展，可以生成一个结果集，该结果集实际上是基于不同分组的多个结果集的串联（与UNION ALL运算结果类似），但UNION ALL运算和GROUPING SETS扩展并不会消除合并结果集中的重复行...
梯度提升回归树
本文为您介绍梯度提升回归树组件。功能说明 梯度提升回归树GBRT（Gradient Boosting Regression Tree）是利用树模型进行回归的算法模型。梯度提升采用连续的方式构造树，每棵树都试图纠正前一棵树的错误。默认情况下，梯度提升回归树中没有...
替换字符串
组件配置示例 在 目标字符串 中，填写“测试123与123”在 替换方式 中，有两种选择方式：按字符串匹配 在 被替换的字符串 中，填写“123”按正则表达式 在 被替换的字符串 中，填写“\d+”（匹配一个或多个数字）在 是否忽略大小写 中，...
PolarDB-X适用场景
另外，具有公有云、专有云、DBStack和软件版多种部署形态、完善的交付和服务团队，已经帮助百余家企业完成商业数据库替换、核心数据库系统分布式改造、分布式数据库技术培训与架构咨询等多项任务。混合负载访问 场景描述 互联网业务的实时...
线性规划-专题多篇
鲁棒线性回归-预测 回归是一种建立自变量 x（向量）和相关变量 y（标量）之间关系的预测技术。线性回归通常可以用线性函数 y=,x>+b 来描述，我们可以估计出 a 和 b 的值。本地版Python代码>|C/S版C++代码>6.机器学习：带有L1正则项的SVM多...
使用限制
（性能消耗较大，推荐控制在100个元素内）INT_ARRAY、FLOAT_ARRAY、DOUBLE_ARRAY 如果设置为属性字段，则限制是最多65535个元素（推荐控制在100个元素内）排序表达式 项 值 基础排序表达式条数 30个 业务排序表达式条数 30个 每个基础排序...
使用限制
（性能消耗较大，推荐控制在100个元素内）INT_ARRAY、FLOAT_ARRAY、DOUBLE_ARRAY 如果设置为属性字段，则限制是最多65535个元素（推荐控制在100个元素内）排序表达式 项 值 基础排序表达式条数 30个 业务排序表达式条数 30个 每个基础排序...
配置定时任务
修改或删除定时任务 如果当前定时任务不再满足业务需求，您可以修改一项或者多项定时任务属性，无需重新创建定时任务。如果当前定时任务不再使用，您也可以直接删除。登录 弹性伸缩控制台。在左侧导航栏中，选择 自动触发任务管理>定时任务...
计量计费
规则如下，更多 人工智能平台 PAI 计费信息，请参见 Designer 计费说明：机器学习模型 单价（CNY/计算时）MaxCompute支持的地域 逻辑回归二分类 1.3 华北2（北京）华东2（上海）华东1（杭州）华南1（深圳）中国（香港）逻辑回归多分类 ...
- 产品推荐
- 这些文档可能帮助您