FAQ类目管理
FAQ类目支持无限级分类，还可以快速创建平级和子级：鼠标放置在需要创建的类目层级上面，会出现类目编辑选项，在选项中选择【+平级】、【+下级】、编辑和删除，选中后会跳转至类目创建框，输入完毕后点击确认按钮进行创建类目，点击取消...
配置刷新和预热
分类 原理 注意事项 生效时间 URL刷新 通过提供目录下文件的方式，强制SCDN节点回源获取最新文件。输入的URL必须带有 http:// 或 https:// 。同一个ID每天最多提交2000个刷新请求，每次最多只能提交1000条。5分钟内 目录刷新 通过提供目录...
K近邻
K近邻算法进行分类的原理是针对预测表的每行数据，从训练表中选择与其距离最近的K条记录，将这K条记录中类别数量最多的类，作为该行的类别。组件配置 您可以使用以下任意一种方式，配置K近邻组件参数。方式一：可视化方式 在 Designer 工作...
组件参考：所有组件汇总
K近邻 该组件进行分类的原理是针对预测表的每行数据，从训练表中选择与其距离最近的K条记录，将这K条记录中类别数量最多的类，作为该行的类别。逻辑回归多分类 该组件是一个二分类算法，PAI提供的逻辑回归可以支持多分类，且支持稀疏及稠密...
鉴权概述
本文主要介绍 云消息队列 MQTT 版 客户端鉴权的原理和分类，以便您使用相应的鉴权功能。鉴权原理 使用 云消息队列 MQTT 版 的客户端收发消息时，服务端会根据MQTT客户端设置的UserName和Password参数来进行鉴权。针对不同的权限验证场景，...
鉴权概述
本文主要介绍 云消息队列 MQTT 版 客户端鉴权的原理和分类，以便您使用相应的鉴权功能。鉴权原理 使用 云消息队列 MQTT 版 的客户端收发消息时，服务端会根据MQTT客户端设置的UserName和Password参数来进行鉴权。针对不同的权限验证场景，...
DMS分类分级扫描原理介绍
分级分类原理 首先筛选出分类分级模板中所有已启用的分类规则，再针对单个识别规则，分以下三步进行识别：根据字段识别模型的扫描结果，判断分类规则中是否包含识别模型。例如识别模型为识别模型A、识别模型B，分类规则定义的识别模型为...
敏感数据保护概览
如果您有对敏感数据进行管控和脱敏的需求，可以使用 数据管理DMS 的敏感数据保护功能对数据库进行扫描，识别、脱敏和管理敏感数据。背景信息 通过敏感数据保护功能，可帮助企业...了解分类分级扫描原理详情，请参见 DMS分类分级扫描原理介绍。
标签传播分类
标签传播分类为半监督的分类算法，原理为用已标记节点的标签信息去预测未标记节点的标签信息。标签传播分类组件能够输出图中所有节点对应的标签及其权重占比。算法说明 在算法执行过程中，每个节点的标签按相似度传播给相邻节点，在节点...
什么是Topic
本文介绍MQTT协议的原理、Topic的概念及分类。工作原理 在上图中分为设备、物联网平台和业务服务器三端，其中设备和物联网平台的通信基于MQTT协议。设备、业务服务器、物联网平台的通信过程请参见 使用Topic通信。MQTT（Message Queuing ...
语法简介
本文介绍DSL的语言模式、分类和运行原理等。语言模式 SLS DSL兼容Python，标准模式下，SLS DSL可视为Python的子集。除基本的数据结构与表达方式外，语法规则是以函数方式进行编排。如果您有特定UDF的需求，请提交 工单。类别 Python语法 ...
GBDT二分类
GBDT（Gradient Boosting Decision Tree）二分类算法的原理是设置阈值，如果特征值大于阈值，则为正例，反之为负例。组件配置 您可以使用以下任意一种方式，配置GBDT二分类组件参数。方式一：可视化方式 在 Designer 工作流页面配置组件...
服务端上传SDK指引
使用场景 服务端上传SDK适用于自动化上传、大批量迁移视频上传等场景，也适用于网络媒体文件上传（原理是先下载到服务器本地再上传到点播）。功能点 说明 备注 支持语言 目前支持的开发语言包括：Java、Python、PHP、C/C++。其它语言可基于...
专家成长计划技术培训课程
现场面授（特殊情况可调整为线上钉钉群直播）阿里云云计算ACP认证技术详解 3天 30人 ECS\SLB\VPC\RDS\安全\ESS\OSS\CDN的概念、架构、原理、定义和操作使用，内容涵盖了ACP云计算认证的考试范围，但是并不局限于ACP考试范围。现场面授...
入侵防御原理介绍
云防火墙IPS防御原理 云防火墙是串联在云上网络链路中，包括互联网出入向，NAT边界、内网跨VPC及云上和线下IDC机房之间。网络架构如下图所示：所有接入云防火墙的网络流量都会经过云防火墙IPS引擎和ACL引擎过滤，再转发出去。针对网络流量...
陀螺仪小球
原理图 在原理图中我们可以看出，器件使用I2C通讯接口。并且，器件支持使用过INT引脚，当数据到来时可以在该引脚上触发中断。需要注意的是，AD0引脚决定了器件地址的第 0 bit。当AD0连接高电平，即AD0=1，此时器件地址为0x69。驱动方式 ...
自定义函数规则定义和运行原理
运行原理 基于函数计算创建自定义规则的运行原理如下图所示。基于函数计算创建自定义规则运行原理的说明如下：在函数计算中创建函数。在配置审计中基于函数计算创建自定义规则，并自动触发评估。说明 当您创建规则后，配置审计会自动触发...
GBDT二分类V2
梯度提升决策树(Gradient Boosting Decision Trees)二分类，是经典的基于梯度提升（Gradient Boosting）的有监督学习模型，可以用来解决二分类问题。支持计算资源 支持的计算引擎为MaxCompute。算法简介 梯度提升决策树(Gradient Boosting ...
支持向量机
计算逻辑原理 支持向量机分类：就是找到一个平面，让两个分类集合的支持向量或者所有的数据离分类平面最远。支持向量机回归：就是找到一个回归平面，让一个集合的所有数据到该平面的距离最近。参数说明 IN端口 参数名 参数描述 是否必填 ...
模型说明
在文本分类中，我们提供了多种模型进行选择，如果您不知道选哪个，可以选择CNN 进行尝试，兼顾了运行效率和最终结果。以下是模型的说明，您可以根据自己的具体场景，选择一个更适合的模型。FastText 分类模型 速度快，计算资源要求低，适合...
配置消息监控告警实现风险预警
具体消费堆积原理，请参见 消费者分类。根据堆积原因，判断是进行消费者应用扩容还是消费逻辑缺陷修复。配置消费堆积延迟时间告警最佳实践 说明 消费堆积延迟时间是根据当前消费组所有未消费消息中，最早一条堆积消息的延迟时间计算，因此...
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 ...
什么是AutoML
相关文档 AutoML工作原理（推荐）了解AutoML原理机制，实验、Trial、训练任务关系，帮助您理解后续配置项间的逻辑关系。新建实验 通过控制台创建新实验，以及了解其中的关键参数如何配置。AutoML使用案例汇总 您可以通过实际案例，来使用...
补丁基线
补丁的分类 3.补丁的严重级别 4.自动批准的条件 您可以选择自定义的补丁基线为操作系统默认的补丁基线，从而应用自定义的补丁扫描和安装规则。操作步骤 1.创建补丁基线 进入阿里云 系统运维管理 OOS（CloudOps Orchestration Service）OOS...
工艺模式推荐
计算逻辑原理 工艺模式推荐：对工艺模式中的历史数据进行分类、采集，并识别出当前工况所属的工况状态，根据优化的目标，学习历史数据中的工艺操作，推荐当前工况最优的参数目标值，该方法适用于数据噪声较大的场景。参数说明 IN端口 参数...
随机森林
计算逻辑原理 随机森林就是种了很多决策树，对输入向量进行分类（回归）。每一棵树都是决策树，要对这个输入向量进行“投票”。森林就是选择投票最多的那个树。应用举例：如下图 参数说明 IN端口 参数名 参数描述 是否必填 输入数据类型 ...
Quick BI中实现无限级联的方法
概述 本文描述实现无限级联的方法。详细信息 目前产品只支持查询控件5级条件级联。如果根据业务需要实现更多层级的级联，可以采用以下方法：添加多条级联配置，第一条级联配置级联条件5，配置为第二条级联配置级联条件1，以此类推。采用此...
使用流量调度功能控制各类流量的跨地域带宽
工作原理 流量调度功能主要通过流量标记策略和流量调度策略两个模块实现：流量标记策略 流量标记策略通过流分类规则捕获符合规则的流量，捕获后，可以为流量添加DSCP（Differentiated Services Code Point）值作为标记。单击查看流量标记...
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 ...
GBDT二分类预测V2
GBDT二分类预测V2组件提供了针对GBDT二分类V2组件的预测功能，使用梯度提升决策树(Gradient Boosting Decision Trees)算法，对数据进行二分类问题的预测。本文介绍GBDT二分类预测V2组件的配置方法。支持计算资源 支持的计算引擎为...
操作汇总
分类 API描述 数据表操作 CreateTable：创建一张数据表。创建数据表时支持同时创建二级索引等。ListTable：获取当前实例下已创建的所有表的表名。DeleteTable：删除当前实例下指定的表。UpdateTable：更新表的配置信息，例如数据生命周期、...
特征离散化
应用场景：例如：一组数据需做离散化处理，分段间隔为0.5，对数据【2.2,2.9,1,1.4,1.6,2.7】做离散化处理后为【2.0,3.0,1.0,1.5,1.5,2.5】计算逻辑原理 特征离散化：有效的离散化能减少算法的时间和空间开销，提高系统对样本的分类聚类能力...
ALS评分
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，评估缺失项的值，从而得到基本的训练模型。在协同过滤分类方面，ALS算法属于User-Item CF（Collaborative Filtering），兼顾 User 和 Item 项，也称为...
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，评估缺失项的值，从而得到基本的训练模型。在协同过滤分类方面，ALS算法属于User-Item CF（Collaborative Filtering），兼顾 User 和 Item 项，也称为...
使用SSL加密465端口发送邮件
背景信息 基本原理 使用SSL加密端口发送邮件的基本原理与本地主机使用客户端（例如Outlook等）连接邮箱服务器发送邮件一致。即主机通过连接外部邮箱的发邮件服务器，并通过程序配置的账号密码鉴权验证来发送邮件，而不是服务器本身来发送...
补丁管理原理介绍
补丁基线在apt上的工作原理 在Debian、Ubuntu系统上，补丁基线通过过滤deb包的Priority，Section属性来决定选择哪些补丁，Priority表示包的优先级，用来表示包的重要性，Section 属性用来表示包的分类。补丁管理的扫描/安装系统补丁的流程...
K近邻
计算逻辑原理 最近邻方法的原理是找到距离新点最近的预定义数量的训练样本，并从中预测标签。样本数量可以是用户定义的常数（k-最近邻学习），也可以根据点的局部密度（基于半径的邻居学习）而变化。通常，距离可以是任何度量标准：标准...
资源分类
资源分类 通过为孪生体中的虚拟对象适配不同的资源，可以实现不同的孪生体样式，资源包括模型、材质、纹理、脚本、动画控制器、蓝图、物理材质、服务端脚本、数据定义、高级图元和城市渲染。模型 3D模型资产，内置模型、动画、材质、纹理等...
什么是模块
工作原理 当您启动资源栈操作时，ROS会生成一个已处理的模板，该模板将所有包含的模块解析为对应的资源。在实际执行资源栈操作之前，可以使用更改集预览要添加或更新的资源。说明 您可以通过命名区分资源、数据源和模块。资源和数据源使用...
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...
- 产品推荐
- 这些文档可能帮助您