函数概览
本文列举的函数与运算符可以被用在 SLS 的 SQL 或 SPL 两种语言中。函数与运算符 说明 您可以根据具体使用的功能、语言，在本文中查看具体的函数、运算符用法。下表中，√表示支持，×表示不支持。SQL 是一种广泛使用的查询、分析语言，...
APPROX_COUNT_DISTINCT
非精确的COUNT DISTINCT计算能提升查询性能，尤其是对于column的离散值比较大的情况，误差率平均可以控制在 0.1%-1%以内。该函数适用于对性能敏感并且可以接受误差的场景。同时，您也可以通过 COUNT DISTINCT(column)的方式进行精确的COUNT...
特征离散化
是 等间隔离散化 等间隔离散化 等距离散化 离散化方法：等间隔离散化 参数名 参数描述 是否必填 参数默认值 参数范围 离散区间间隔 数据分段间隔。例如：离散区间间隔为2时，离散化处理会将属性值处理成固定步长为2的数据。否 1[0,99999999...
特征离散
取值如下：Isometric Discretization（等距离散）Isofrequecy Discretization（等频离散）Gini-gain-based Discretization（基于Gini增益离散）Entropy-gain-based Discretization（基于熵增益离散）离散区间个数 离散区间的个数。...
Label Encoder
一、组件说明 Label Encoder是一种用于将离散分类变量转换为数值变量的编码方法。它将每个离散变量的取值映射到一个整数，从而将离散变量转换为连续变量。例如，一个有三个取值的离散变量“颜色”（红色、绿色、蓝色），使用Label Encoder...
横向LabelEncoder
一、组件说明 Homo Label Encoder是一种用于将离散分类变量转换为数值变量的编码方法，适用于横向联邦场景。它将每个离散变量的取值映射到一个整数，从而将离散变量转换为连续变量。例如，一个有三个取值的离散变量“颜色”（红色、绿色、...
基于分箱组件实现连续特征离散化
特征离散是将连续的数据进行分段，使其变为多个离散化区间。针对该场景，PAI推出了分箱组件和数据转换模块组件。首先使用分箱组件将连续特征离散化，再使用 数据转换模块 将原始数据从连续值转换为离散值。本文为您介绍如何使用Designer...
系统内置基础特征
all_nid_ctr_1 BIGINT item 1天点击率（已进行离散化）system_all_nid_pv_30 BIGINT item 30天曝光量（已进行离散化）system_all_nid_pv_7 BIGINT item 7天曝光量（已进行离散化）system_all_nid_pv_1 BIGINT item 1天曝光量（已进行离散化...
离散值特征分析
本文为您介绍 Designer 提供的离散值特征分析。离散值特征分析统计离散特征的分布情况。包括gini，entropy，gini gain，information gain，information gain ratio等指标。计算每个离散值对应的gini，entropy，计算单列对应的gini gain，...
数据转换模块
通过数据转换模块可以对数据进行归一化、离散化、Index化或WOE转换。配置组件 您可以使用以下任意一种方式，配置数据转换模块组件参数。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 输入表选择的特征...
分箱
通过分箱组件可以进行特征离散化，即将连续的数据进行分段，使其变为多个离散化区间。分箱组件支持等频分箱、等宽分箱及自动分箱。配置组件 您可以使用以下任意一种方式，配置分箱组件参数。方式一：可视化方式 在 Designer 工作流页面配置...
One-Hot编码
一、组件说明 One-Hot编码是一种将离散特征转换成连续特征的方法。它将一个有m个取值的离散特征转换为m个0/1特征，每个特征表示原离散特征是否等于该取值。例如，假设原始数据集有一个表示“颜色”的特征，包含三个不同的取值：红色、绿色...
决策树
本文为您介绍决策树组件。功能说明 决策树是一种用于分类和回归的非参数监督学习方法。...否 均方误差 均方误差 费尔德曼均方误差 平均绝对误差 其他参数 参数名 参数描述 模型结果 可以查看建模成功后的模型评价结果或发布模型。
横向One-Hot编码
一、组件说明 横向One-Hot编码是一种将离散特征转换成连续特征的方法，用于横向场景。它将一个有m个取值的离散特征转换为m个0/1特征，每个特征表示原离散特征是否等于该取值。例如，假设原始数据集有一个表示“颜色”的特征，包含三个不同...
查看和修改CPU拓扑结构
目前阿里云部分实例规格族支持 HT连续模式（ContinuousCoreToHTMapping）和 HT离散模式（DiscreteCoreToHTMapping）两种不同的拓扑结构。在创建实例时，您可以通过调用OpenAPI并设置不同的参数来修改CPU拓扑结构。说明 本文以一台8 vCPU的X...
联邦预处理
离散化 离散化是对特征进行离散化处理，目前仅支持等宽分桶。函数路径 fascia.biz.preprocessing.discretize 函数定义 def discretize(fed_df:HDataFrame,columns:List[str]=None,n_bins=5,strategy='uniform',discretizer:...
梯度提升回归树
否 弗里德曼均方误差 弗里德曼均方误差 均方误差 平均绝对误差 最小分割样本下限 树生长过程中早停止的阈值。如果当前节点的不纯度高于阈值，节点将分裂。否 2[1,10000]叶节点所含最少样本数 样本数少于该数据不会分支。否 1[1,10000]节点...
监控数据相关问题
您只需关注以下指标项：实例消息生产流量 Topic消息生产流量 Group未消费消息总数 其他指标项（如实例/Topic消息生产条数、实例/Topic消息生产发送次数、实例/Topic消息消费次数等）数据在流量比较小或客户端版本比较低时，会存在误差，在...
基础统计分析
当字段类型为 bigint，int 时，同时作为连续值和离散值统计，体现在会统计取值个数。重要 业务时间，是对落盘到对应日期分区内的数据，而非统计某一天操作写入的数据。周期运行选择 是 时，会对用户偏好统计周期分析数据诊断任务的 周期...
回归模型评估
参数 描述 SST 总平方和 SSE 误差平方和 SSR 回归平方和 R2 判定系数 R 多重相关系数 MSE 均方误差 RMSE 均方根误差 MAE 平均绝对误差 MAD 平均误差 MAPE 平均绝对百分误差 count 行数 yMean 原始因变量的均值 predictionMean 预测结果的...
AICS实现对积分过程的稳定控制
该系数的大小决定了控制器在进行模型校正时，预测误差在绝对误差和速率误差上的分配。该系数为0时，误差校正将更偏向于绝对误差；反之，则更偏向于速率误差。在此案例中，上游水箱的扰动到达下游水箱时，变成了一个有积分性质的噪声，影响...
ST_FrechetDistance
如果设置了densifyFrac参数，该函数在计算离散弗雷歇距离之前执行段致密化。每个段将被分成多个等长的子段，每个子段之于总段的比例接近给定的分数。当前实现仅支持将顶点视为离散位置，并且不限制点的数量。指定的densifyFrac越小，得到的...
ST_FrechetDistance
如果设置了densifyFrac参数，该函数在计算离散弗雷歇距离之前执行段致密化。每个段将被分成多个等长的子段，每个子段之于总段的比例接近给定的分数。当前实现仅支持将顶点视为离散位置，并且不限制点的数量。指定的densifyFrac越小，得到的...
分箱
一、组件说明 分箱（Binning）是一种数据预处理方法，用于将连续数据转化为离散数据。分箱的目的是为了减少异常值的影响和简化模型的复杂度，同时提高模型的稳定性和可解释性。分箱的基本思路是将一段连续的数据划分为几个区间或者桶，然后...
ST_FrechetDistance
如果设置了densifyFrac参数，该函数在计算离散弗雷歇距离之前执行段致密化。每个段将被分成多个等长的子段，每个子段之于总段的比例接近给定的分数。当前实现仅支持将顶点视为离散位置，并且不限制点的数量。指定的densifyFrac越小，得到的...
随机森林
本文为您介绍随机森林组件。功能说明 随机森林组件支持使用随机森林算法对分类或回归问题进行建模。...否 均方误差 均方误差 平均绝对误差 其他参数 参数名 参数描述 模型结果 可以查看建模成功后的模型评价结果或发布模型。
横向分箱
一、组件说明 横向分箱（HomoBinning），是一种横向场景下的数据预处理方法，用于将连续数据转化为离散数据。分箱的目的是为了减少异常值的影响和简化模型的复杂度，同时提高模型的稳定性和可解释性。横向分箱的基本思路是将一段连续的数据...
one-hot编码
当使用模型编码新数据时，如果在模型映射表中无法找到数据中的离散量，则忽略该离散量，即不对该离散量编码。如果需要对其进行编码，请重新训练模型映射表。示例 使用SQL语句，生成训练数据。PAI-project projectxlib4-name one_hot-...
了解相关功能
制作可视化应用时，您可能需要用到以下几种功能：空间插值 等值面组件 时间轴组件 空间插值 空间插值常用于将离散点的测量数据转换为连续的数据曲面，以便与其它空间现象的分布模式进行比较。通过空间差值，您可以根据已知的监测站点监测出...
有序聚集函数
结果 0.0 与排序表达式相同 percentile_disc(fractions)WITHIN GROUP(ORDER BY sort_expression)多重离散百分率：返回一个匹配fractions参数形状的结果数组，其中每一个非空元素都用对应于那个百分率的输入值替换。double precision[]任何...
回归评估
一、组件说明 回归模型的评估任务，可以输出均方误差、均方根误差等。组件截图 二、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。预测分数列 预测回归值predict_score，浮点数输出。
聚合函数
这个误差是基于所有可能集合上的标准误差的正常分布。它并不能保证在特定集合上的误差上限。approx_distinct(x,e)→bigint 返回输入参数中不重复值的近似个数。这个函数提供 count(DISTINCT x)这个方法的近似计算。如果所有输入参数均为...
查看内置规则模板
group by之后的分组数和分组后每组count数，与1天前的样本、7天前的样本、30天前的样本（离散值）进行比较，计算波动率。离散值（分组个数），固定值 group by之后的分组数，与固定值进行比较。离散值（分组个数），1天波动率 group by之后...
线性回归
在统计学中，线性回归是用来确定两种或两种以上变量间的相互依赖关系的统计分析方法，与分类算法处理离散预测不同。回归算法可对连续值类型进行预测。线性回归算法定义损失函数为样本集的最小平方误差之和，通过最小化损失函数求解权重矢量...
基于回归算法实现农业贷款发放预测
评估指标 字段名称 描述 MAE 平均绝对误差 MAPE 平均绝对百分误差 MSE 均方误差 R 多重相关系数 R2 判定系数 RMSE 均方根误差 SAE 绝对误差和 SSE 误差平方和 SSR 回归平方和 SST 总平方和 count 行数 predictionMean 预测结果的均值 yMean...
数据建模
离散值状态值 对应分区，字段分组，离散点总数与一个期望固定值进行比较，符合规则则通过。比较方式包括：>、、>=、、=和!字段值长度准确性校验 对应分区，字段值长度与期望的固定值进行比较，全部符合规则则通过。比较方式默认为。字段...
估算函数
函数名称 语法 说明 支持SQL 支持SPL approx_distinct函数 approx_distinct(x)估算 x 中不重复值的个数，默认存在2.3%的标准误差。approx_distinct(x,e)估算 x 中不重复值的个数，支持自定义标准误差。approx_percentile函数 approx_...
横向回归评估
一、组件说明 横向回归模型的评估任务，可以输出均方误差、均方根误差等。支持使用单方或多方联合数据，评估横向回归模型。组件截图 二、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。...
范围类型
例如，numeric 类型之上的一个范围就是连续的，timestamp 上的范围也是（尽管 timestamp 具有有限的精度，并且在理论上可以被当做离散的，最好认为它是连续的，因为通常并不关心它的步长）。另一种考虑离散范围类型的方法是对每一个元素值...
播放数据统计常见问题
视频的播放数据统计存在无法避免的合理范围误差，其误差主要来自两个方面：阿里云官方播放器的日志采集间隔是30s，对于用户在视频播放页（而非播放器内）意外中断播放的行为，目前难以合理捕获，因此视频播放的时长统计会存在最大不超过30s...
- 产品推荐
- 这些文档可能帮助您