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...
什么是图数据库自动机器学习？
功能概述 GDB Automl支持被广泛使用的经典统计和机器学习算法，包括梯度提升模型，广义线性模型、深度学习模型等，为使用者提供了从数据处理，模型训练，模型管理到预测推理的全生命周期管理服务，可以自动运行集成算法并调整其超参数，以...
组件参考：所有组件汇总
PS线性回归 该组件是分析因变量和多个自变量之间的线性关系模型，参数服务器PS（Parameter Server）致力于解决大规模的离线及在线训练任务。二分类评估 该组件是通过计算AUC、KS及F1 Score指标，输出KS曲线、PR曲线、ROC曲线、LIFT Chart及...
逻辑回归
尽管名字是逻辑回归，但它是一种用于分类而不是回归的线性模型。Logistic 回归在文献中也称为 logit 回归、最大熵分类(MaxEnt)或对数线性分类器。在该模型中，描述单个试验可能结果的概率使用逻辑函数建模。计算逻辑原理 逻辑回归的思路是...
评分卡预测
线性模型中特征值和模型权重值直接相乘相加的结果，对应到评分卡模型中，如果模型进行了分数转换，则该分数输出转换后的得分。prediction_prob DOUBLE 二分类场景中预测得到的正例概率值，原始得分（未经分数转换）经过Sigmoid变换后得到该...
Lasso回归训练
输出桩 输出桩（从左到右）数据类型 下游组件 模型 回归模型 Lasso回归预测 模型信息 无 无 特征重要性 无 无 线性模型权重系数 无 无 通过代码方式配置组件 您可以将以下代码复制到 PyAlink脚本 组件中，使PyAlink脚本组件实现与该组件...
岭回归训练
输出桩 输出桩（从左到右）数据类型 下游组件 模型 回归模型 岭回归预测 模型信息 无 无 特征重要性 无 无 线性模型权重系数 无 无 通过代码方式配置组件 您可以将以下代码复制到 PyAlink脚本 组件中，使PyAlink脚本组件实现与该组件相同的...
产品功能
当前版本支持的机器学习模型包括：聚合器（Aggregator）、Cox风险比例回归模型（CoxPH）、深度学习（DeepLearning）、分布式随机森林（DRF）、梯度提升模型（GBM）、广义线性模型（GLM）、广义低阶模型（GLRM）、孤立森林（IF）、K均值聚类...
动态特征提取
线性趋势：对采样数据序列进行线性拟合，取线性模型的系数，作为输出。变化趋势：对采样数据序列做Mann-Kendall测试（曼肯德尔检验），若“无趋势”，则输出0；反之，则取slope参数，作为输出。曼肯德尔检验：Mann-Kendall 趋势检验（有时...
FM算法
FM（Factorization Machine）算法兼顾特征之间的相互作用，是一种非线性模型，适用于电商、广告及直播的推荐场景。组件配置 Designer 提供的FM算法模板包括FM训练和FM预测组件，您可以在原PAI-Studio控制台首页的 FM算法实现推荐模型 区域...
XGBOOST回归
使用时，数据格式如下，其中key的下标应从1开始，value应均为数值：参数设置 参数名称 参数英文名称 参数说明 树的棵树 tree_num 迭代次数，即决策树或线性模型的数量。树的最大深度 max_depth 决策树的最大深度。学习率 learning_rate ...
XGBOOST多分类
使用时，数据格式如下，其中key的下标应从1开始，value应均为数值：参数设置 参数名称 参数英文名称 参数说明 树的棵树 tree_num 迭代次数，即决策树或线性模型的数量。树的最大深度 max_depth 决策树的最大深度。学习率 learning_rate ...
XGBOOST二分类
参数名称 参数英文名称 参数说明 树的棵树 tree_num 迭代次数，即决策树或线性模型的数量。树的最大深度 max_depth 决策树的最大深度。学习率 learning_rate 学习率，控制每轮迭代权重的缩小程度，适当调整可以加速模型收敛但也可能使模型...
LightGBM算法
gblinear：使用线性模型进行计算。rf：使用随机森林模型进行计算。dart：使用dropout技术删除部分树，防止过拟合。goss：使用单边梯度抽象算法进行计算。速度快，但是可能欠拟合。说明 设置该参数值时，需要使用单引号将参数值包裹起来。...
线性回归
一、组件说明 线性回归模型通过找到一条最佳拟合直线（或超平面），将输入特征映射到一个连续数值输出。在模型训练过程中，采用最小二乘法（least squares）估计模型参数，即最小化输出结果与预测值之间的误差平方和。线性回归模型具有简单...
机器学习开发示例
例如下面的代码采用第一个模型（modelA），并根据特征（features）向您显示标签（原始销售价格）和预测（预测销售价格）%pyspark#运行线性回归模型，并展示数据 predictionsA=modelA.transform(ml_data)predictionsA.show(10)数据打印 步骤...
线性回归
功能说明 线性回归（Linear Regression）是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 回归分析中，只包括一个自变量和一个因变量，且二者的关系可用一条直线近似表示，这种回归分析称为一元线性回归分析。如果回归分析中...
分段多项式回归
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。分段多项式具有可拟合成任意形状的曲线和点的...
Pipeline部署在线服务
例如：需要部署线性回归模型用于在线预测，则线性回归训练组件和线性回归预测组件都需要运行成功。在线服务限制单输入单输出，因此需要从离线的Directed Acyclic Graph（DAG）图中选择单一串行链路进行部署。前提条件 已创建模型工作流...
偏最小二乘回归
功能说明 偏最小二乘回归是通过投影分别将预测变量和观测变量投影到一个新空间，来寻找一个线性回归模型。偏最小二乘回归提供一种多对多线性回归建模的方法，特别当两组变量的个数很多，且都存在多重相关性，而观测数据的数量（样本量）又...
逻辑回归二分类
一、组件说明 逻辑回归通过将线性回归模型的输出通过Sigmoid函数进行映射，将连续的预测值转换为概率值。Sigmoid函数具有“S”形状，可以将任意实数值映射为0和1之间的概率值，表示样本属于正例的概率。逻辑回归的训练过程是利用最大似然...
横向逻辑回归二分类
一、组件说明 横向逻辑回归通过将线性回归模型的输出通过Sigmoid函数进行映射，将连续的预测值转换为概率值。Sigmoid函数具有“S”形状，可以将任意实数值映射为0和1之间的概率值，表示样本属于正例的概率。横向逻辑回归的训练过程是利用...
PS线性回归
线性回归（Linear Regression）是分析因变量和多个自变量之间的线性关系模型，参数服务器PS（Parameter Server）致力于解决大规模的离线及在线训练任务。PS线性回归支持千亿样本、十亿特征的大规模线性训练任务。组件配置 您可以使用以下...
线性回归
线性回归（Linear Regression）是分析因变量和多个自变量之间的线性关系模型。组件配置 您可以使用以下任意一种方式，配置线性回归组件参数。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 选择特征列 ...
归因分析
设置分组、全局筛选、用户分群（可选）归因分析的设置分组、全局筛选、用户分群逻辑与事件分析相同 选择归因模型 当前支持四种最常见的归因模型：首次触点归因、末次触点归因、线性归因、位置归因和时间衰减归因。业务方可以根据自己的业务...
评分卡训练
评分卡是信用风险评估领域常用的建模工具，其原理是通过分箱输入将原始变量离散化后再使用线性模型（逻辑回归或线性回归等）进行模型训练，其中包含特征选择及分数转换等功能。同时也支持在训练过程中为变量添加约束条件。说明 如果未指定...
基于回归算法实现农业贷款发放预测
线性回归是数理统计中的回归分析方法，可以确定两种或两种以上变量之间相互依赖的定量关系。Designer预置了线性回归算法模板，便于您通过农业贷款的历史发放情况，快速实现贷款发放预测。本文为您介绍Designer线性回归算法预置模板的具体...
概述
本文为您介绍SQLML的功能、支持的机器学习模型、支持的预测模型函数和评估模型函数。功能介绍 MaxCompute SQLML功能依赖MaxCompute和 人工智能平台 PAI 阿里云产品。您可以通过客户端开发MaxCompute SQLML作业，基于 人工智能平台 PAI 对...
线性规划-专题多篇
生产调度：Flow Shop 调度优化下界估计问题 Flow Shop 是调度领域中的经典模型：给定一组机器和一批工件，要求解的决策是工件之间的先后顺序，优化的目标为完成所有加工的时间（降低成本）。本地版Python代码>4.广告流量分配：曝光和转化...
扫描代码与合并模型
本文基于模型和应用支持多分支的前提，为您介绍如何进行代码扫描和模型合并。背景信息 在使用BizWorks做设计开发的过程中，可能在生成了脚手架做开发时，却发现需要修改模型的情况。而此时已经生成了代码，如果再返回去修改模型、重新生成...
数据模型架构规范
本文为您介绍数据模型架构规范。声明 本文以及后续章节中介绍的非功能性规范均为建议性规范，产品功能无强制，仅供指导。数据层次的划分 ODS：Operational Data Store，操作数据层，...通常，设计顺序依次为：概念模型->逻辑模型->物理模型。
使用EasyTransfer进行文本分类
EasyTransfer旨在帮助自然语言处理（NLP）场景的迁移学习开发者方便快捷地构建迁移学习模型。本文以文本分类为例，为您介绍如何在PAI-DSW中使用EasyTransfer，包括启动训练、评估模型、预测模型及导出并部署模型。前提条件 已创建PAI-DSW...
方差膨胀系数VIF
一、组件说明 方差膨胀系数（VIF）是用于检测多元回归模型中自变量之间多重共线性的指标。VIF是一个统计量，衡量自变量之间线性相关性的强度。如果一个自变量与其他自变量高度相关，则该自变量对响应变量的贡献将受到其他自变量的影响，这...
模型推理
模型状态为 READY 时，您可以使用系统函数调用模型执行推理、预测、生成等任务。前提条件 已创建或导入模型，且模型状态为READY。具体操作，请参见 模型创建 和 模型管理。非时序类任务 语法 SELECT function_name(model_name,field1_name,...
Pearson相关系数
通常，Pearson相关系数用于判断机器学习模型中两个特征之间的线性关系，如果两个特征相关度较强，则表明这两个特征有重复的嫌疑，您可以根据具体的情况选择丢弃一个特征，以保证模型的有效性。语法 CREATE FEATURE feature_name WITH...
SELECT
SELECT语法用于对状态为READY的模型进行模型推理。推理任务共两类：时序类和非时序类，不同任务类型的语法及参数要求不同。引擎与版本 SELECT语法适用于时序引擎和AI引擎。时序引擎3.4.26及以上版本支持SELECT语法。AI引擎无版本限制。重要...
拒绝推断
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，修正前置评分卡模型对无...
工业分析建模
模型结果查看与发布 在画布中选中线性回归组件，单击右侧输入配置栏中的 模型结果，可以查看该算法生成的所有模型。单击选中模型右侧的 发布，在弹出的对话框中输入模型名称，单击 发布。在 模型管理 页面，可以查看所有经工业分析建模训练...
建模优化
选择属于线性规划、非线性规划或约束类问题。添加模型序列。即创建索引，在索引创建中，选择 索引类型 为 普通索引，并赋予 索引名称，该名称将用于模型构建中的引用。您可以通过 手动输入 或者 关联表 的方式获取 索引值。定义变量。变量...
LLM on DLC-Megatron on DLC最佳实践
预训练大语言模型面对来自于模型规模和数据规模的多重挑战，为了解决这些问题，PAI提供了在 DLC 上使用Megatron-LM进行大语言模型预训练的最佳实践。该实践通过准备镜像环境与训练数据、调整训练策略、提交与管理任务等流程，帮助您在 DLC ...
- 产品推荐
- 这些文档可能帮助您