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...

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...

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...

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 ...

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 ...

地标建筑

模型信息 打开某个地标建筑详情列表后,您可以看到该建筑的模型信息详情,包括 模型风格、模型等级模型大小 和 球面坐标系。您可以单击模型信息框最右侧的 图标预览模型,在弹出的 预览模型 对话框中,您可以进行以下操作。查看模型基本...

地标建筑

模型信息 打开某个地标建筑详情列表后,您可以看到该建筑的模型信息详情,包括 模型风格、模型等级模型大小 和 球面坐标系。您可以单击模型信息框最右侧的 图标预览模型,在弹出的 预览模型 对话框中,您可以进行以下操作。查看模型基本...

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...

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...

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。...

精模建筑

编辑模型 您可以移动鼠标到某个模型处,并单击 图标,即可打开编辑模型对话框,您可以对已上传的模型重新自定义设置 模型名称、模型风格、模型等级 和 制作商 等内容。模型基本信息配置,请参见 上传精模建筑模型 中的步骤4的内容。删除...

精模建筑

编辑模型 您可以移动鼠标到某个模型处,并单击 图标,即可打开编辑模型对话框,您可以对已上传的模型重新自定义设置 模型名称、模型风格、模型等级 和 制作商 等内容。模型基本信息配置,请参见 上传精模建筑模型 中的步骤4的内容。删除...

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...

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...

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...

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...

组件参考:所有组件汇总

推荐方法 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。ALS矩阵分解 交替最小二乘ALS(Alternating Least Squares)算法的原理是对稀疏矩阵进行模型分解,评估...

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...

自定义检测模型

风险级别 从下拉列表中选择模型的风险等级。资产类型 选择模型检测的资产类型,可选项:OSS MaxCompute RDS 过滤条件 根据实际需要配置过滤条件,指定需要检测的异常事件。继续添加 单击 继续添加,添加多条过滤条件。多条过滤条件之间是和...

配置告警规则

安全审计(新版)功能默认开启所有的内置数据库审计规则和异常检测模型,如果无需使用某些内置数据库审计规则和异常检测模型,您可以关闭对应规则和模型。并且该功能支持根据访问的库、表、字段、访问源、实例等不同维度自定义检测模型,使...

安全告警概述

安全告警风险等级的分类 云安全中心对安全告警风险等级的分类如下:风险等级 描述 紧急 该告警所描述的行为,与常见的攻击者行为相似,对您的资产有破坏性或者持久性的影响,例如“反弹Shell命令”等。该风险等级表示您的资产很有可能正在...

安装并使用DeepGPU-LLM

在处理大语言模型任务中,您可以根据实际业务部署情况,选择在不同环境(例如GPU云服务器环境或Docker环境)下安装推理引擎DeepGPU-LLM,然后通过使用DeepGPU-LLM工具实现大语言模型(例如Llama模型、ChatGLM模型、百川Baichuan模型或通义...

天气播报欢迎语生成(中文)

天气播报欢迎语生成(中文)基于PALM2.0中文商品文案生成base模型,适用于:给定一些天气信息字段,生成车载开机欢迎语生成介绍。PALM模型具有以下特点:理解能力更强:为conditional generation特别设计了预训练任务,增强模型对上下文的...

管理识别模型

识别模型是 DMS 敏感数据识别能力的升级,在敏感数据识别能力的基础上,扩充了内置的模型数量,同时,也支持自定义识别模型,您可以通过使用内置和自定义模型构建专属的敏感数据识别能力。本文介绍如何查看识别模型、添加、编辑和删除...

基础模型

本文介绍如何使用基础模型接口实现企业真实性评级。基础信息 接口名:EntVerify。服务地址:cloudauth.aliyuncs.com 。请求方法:POST和GET。传输协议:HTTPS。接口说明:基础模型接口为您提 供企业真实性评级服务,您可以参考接口返回的...

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...

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...
共有200条 < 1 2 3 4 ... 200 >
跳转至: GO
产品推荐
云服务器 安全管家服务 安全中心
这些文档可能帮助您
智能视觉 智能视觉生产 图数据库 人工智能平台 PAI 表格存储 弹性公网IP
新人特惠 爆款特惠 最新活动 免费试用