高性能版实例
以下内容为 AnalyticDB PostgreSQL版 实例常见故障场景中高性能版和高可用版的对比：恢复（Recovery）模式 根据以往 AnalyticDB PostgreSQL版 运行情况，故障最大的场景为恢复模式，故障概率远大于另外两种场景（计算节点故障和计算节点宿...
常见问题索引
本文汇总描述使用 函数计算 过程中可能遇到的常见问题和对应解决方法。如本文列举的问题未包含您遇到的问题，请加入钉钉用户群（钉钉群号：11721331），联系函数计算工程师及时沟通处理。常见问题分类 详细信息 产品通用 产品通用FAQ 计费...
调整新品策略，高效扶持新品流量
本文重点向您介绍AIRec对新品的定义以及如何调整新品分发比例来满足业务对于新品曝光的需求。此处以内容行业为例，内容社区在保证推荐点击率用户活跃度的条件下，同时需激励作者的创作...电商行业、新闻行业也可采用此文档方法进行相关实验。
常见问题索引
本文汇总描述使用 函数计算 过程中可能遇到的常见问题和对应解决方法。如本文列举的问题未包含您遇到的问题，请加入钉钉用户群（钉钉群号：11721331），联系函数计算工程师即时沟通处理。常见问题分类 详细信息 产品通用 产品通用FAQ 计费...
签名版本1
关于Content-MD5的计算方法，请参见 Content-MD5的计算方法。Content-Type 字符串 否 application/octet-stream 请求内容的类型，也可以为空。说明 如果生成签名时没有设置 Content-Type，则后续使用签名上传文件时也无需设置该参数。Date ...
拒绝推断
模糊法 模糊法（fuzzy）通过给拒绝样本加上正例和负例两种标签的方法增强数据集，每种标签对应的样本权重计算公式如下：是前置评分卡组件预测的正例概率值，您可以指定 和 参数：给出全部数据的拒绝率。拒绝样本的负例概率，相比接受样本的...
胸部CT平扫筛查
调试 您可以在OpenAPI Explorer中直接运行该接口，免去您计算签名的困扰。运行成功后，OpenAPI Explorer可以自动生成SDK代码示例。请求参数 名称 类型 是否必选 示例值 描述 Action String 是 ScreenChestCT 系统规定参数。取值：...
签名版本4（推荐）
签名计算过程 URL签名计算方法与Header签名计算方法基本类似。但由于签名URL使用方法的不同，与Header签名计算仍存在以下差异：签名URL的方式不包含描述payload的Header（x-oss-content-sha256）。原因是创建预签名时，无法预估实际传输的...
高斯混合模型训练
高斯混合模型（Gaussian Mixture Model）表示在总体分布中包含K个高斯子分布的概率模型。您可以使用高斯混合模型训练组件实现模型分类。本文为您介绍高斯混合模型训练组件的配置方法。使用限制 支持的计算引擎为MaxCompute、Flink或DLC。...
换脸鉴别
功能描述 换脸鉴别基于图像算法AI技术，实现对图片人脸的真伪进行灵敏检测和深度分析。能力范围支持：1.鉴别图片中的人脸是否为AI换脸算法所深度合成的假脸。2.鉴别图片中的人脸是否为AI人脸属性编辑生成类算法所深度合成的假脸。深度伪造...
积分互动
时间段设置：支持不同时间段内不同的积分值，及中奖概率 上限设置：支持设置每人在每个时间段内最大的中奖次数，及每人在活动期内最大中奖次数；其他设置 活动背景：支持自定义活动背景，且暂停后进入编辑页面可修改背景图；活动列表（1）...
IDMapping在离线一体化解决方案
4、弱关系挖掘能力 针对没有特定强关联的数据，我们也提供一些解决方案，如多因素（规则）进行综合考虑与判定、将非确定条件中的属性进行相似的关联关系计算（向量计算、地理位置计算等手段），将各种真实数据的复杂情形做一些量化方法的...
Contextual Bandit 算法
算法伪代码（single-play bandit algorithm）：与传统方法的区别：每个候选商品学习一个独立的模型，避免传统大一统模型的样本分布不平衡问题 传统方法采用贪心策略，尽最大可能利用已学到的知识，易因马太效应陷入信息茧房；Bandit算法有...
创建和管理服务器组
选择调度算法 选择一种调度算法：加权轮询：权重值越高的后端服务器，被轮询到的次数（概率）也越高。加权最小连接数：除了根据每台后端服务器设定的权重值来进行轮询，同时还考虑后端服务器的实际负载（即连接数）。当权重值相同时，当前...
使用协同过滤实现商品推荐
本文为您介绍如何使用协同过滤算法实现商品推荐。背景信息 数据挖掘的一个经典案例就是尿布与啤酒的案例。尿布与啤酒看似毫不相关的商品，当超市将其摆放至相邻货架时，会大幅度提高二者销量。您可以通过数据挖掘中的协同过滤算法挖掘商品...
快速开始
一般情况下可以使用Item本身作为Contextual Bandit算法的Arm，但如果面临流量不够时，可以考虑使用主题、类目等粗粒度Item属性作为Arm，算法计算出每次应该展现的Arm（主题、类目等），然后再使用某种策略展现该Arm下面的Item（比如展现...
ListServerGroups-查询服务器组
调试 您可以在OpenAPI Explorer中直接运行该接口，免去您计算签名的困扰。运行成功后，OpenAPI Explorer可以自动生成SDK代码示例。调试 授权信息 下表是API对应的授权信息，可以在RAM权限策略语句的 Action 元素中使用，用来给RAM用户或RAM...
添加HTTPS监听
选择以下一种方法，打开监听配置向导。在 实例管理 页面，找到目标实例，然后在 操作 列单击 监听配置向导。在 实例管理 页面，单击目标实例ID，在实例详情页选择 监听 页签，然后单击 添加监听。在 协议&监听 配置向导，完成以下参数的...
PageRank
算法不仅计算指向该网页的链接数量，还考虑了每个链接网页本身的权重，即这些网页本身的PageRank值，以及它们指向其他网页的链接数。在用户构成的社交网络中，PageRank理念同样适用。用户的影响力不仅由其个人属性决定，也受到其社交联系的...
UpdateServerGroupAttribute-更新服务器组配置
更新服务器组的配置，例如健康检查、会话保持、名称、调度算法和协议等。接口说明 UpdateServerGroupAttribute 接口属于异步接口，即系统返回一个请求 ID，但该服务器组的配置尚未更新成功，系统后台的更新任务仍在进行。您可以调用 ...
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...
CreateServerGroup-创建服务器组
Fc：函数计算类型，该类型支持添加函数计算类型的后端服务器。Instance VpcId string 否 VPC 实例 ID。只有该 VPC 下的服务器可以加入到该服务器组。说明 ServerGroupType 取值为 Instance 或 Ip 时，该参数生效。vpc-bp15zckdt37pq72zv*...
基于文本分析算法实现新闻分类
本工作流的数据源以单个新闻为单元，需要增加ID列作为每篇新闻的唯一标识，便于算法计算。② 分词及词频统计。首先使用分词组件对 content 字段（新闻内容）进行分词。然后对过滤停用词后的文本进行词频统计。③ 过滤停用词，通常过滤标点...
模型配置
因此，在后续的人群预测任务结果中，为了获得较高的准确率、召回率，建议您从中尽量选择人数较少的高购买概率用户作为预测用户，当需要选择更多人数的预测用户时，建议您参考模型验证结果中的准确率、召回率确定人数，具体方法将在 人群...
电商行业
存储容量和计算资源：按实际而定，计算资源估算方法：LCU个数=QPS*单次查询消耗的LCU。其中单次查询消耗的LCU可以先购买一个入共享通用型应用后，在搜索测试功能中进行测试查看单次查询消耗的LCU。4.配置应用：手动创建应用结构：可以...
HLL近似去重
在业务可接受的情况下，通过近似算法来快速去重，降低计算压力，是一种非常有效的方式。针对这种场景，SelectDB提供了近似去重算法HyperLogLog（简称 HLL）。HLL的特点是具有非常优异的空间复杂度O(log(logn))和时间复杂度O(n)，并且计算...
评分卡训练
优化算法 在高级选项中可以配置训练过程中使用的优化算法，系统支持如下四种优化算法：L-BFGS：是一阶的优化算法，支持较大规模的特征数据集。该算法属于无约束的优化算法，会自动忽略约束条件。Newton's Method：牛顿法是经典的二阶算法，...
支持向量机
功能说明 支持向量机组件支持使用支持向量机算法对分类或回归问题进行建模。支持向量机（SVM）是在分类分析中分析数据的监督式学习模型与相关的学习算法，也被拓展运用于回归问题。支持向量机在高维度或无穷维度空间中，构建一个超平面或者...
任务型实例概述
容器计算服务ACS提供任务型实例，对大数据计算和批处理类型的工作负载来说具备可观的性价比。本文介绍ACS任务型实例的特点、适用场景、限制要求和使用方法。价格优势 与通用型、独享型实例相比，使用任务型实例可以节省相当可观的资源成本...
插件调用详细说明
top_p（可选）float 0.5 生成过程中核采样方法概率阈值，例如，取值为0.8时，仅保留概率加起来大于等于0.8的最可能token的最小集合作为候选集。取值范围为(0,1.0)，取值越大，生成的随机性越高；取值越低，生成的确定性越高。stream（可选...
XGBOOST二分类
一、组件说明 XGBoost是一种基于梯度提升决策树（Gradient Boosting Decision Tree）的机器学习算法。它通过改进传统梯度提升决策树的方式，加入正则化项、特征子采样和并行化等优化技术。XGBoost的优点是能够自动处理缺失值、异常值和噪声...
离群点剔除
算法支持的输入时间格式为：yyyy-mm-dd hh:mm:ss 或 mm-dd-yyyy hh:mm:ss yyyy/mm/dd hh:mm:ss 或 mm/dd/yyyy hh:mm:ss hh:mm:ss yyyy-mm-dd 或 hh:mm:ss mm-dd-yyyy hh:mm:ss yyyy/mm/dd 或 hh:mm:ss mm/dd/yyyy 年月日和时分秒之间也可用...
CompareFaces
key是误识率，即将其他人误识别为指定人员的概率。value是对应的阈值。说明 关于示例中的人脸比对置信度阈值（confidenceThresholds）："0.0001":"90.07"表示误识率为0.01%时的对应阈值为90.07。0.001":"80.01"表示误识率为0.1%时的对应...
使用Token鉴权
其中 AppID 用于标识您的应用，UserID 用于标识您的用户，而 Token 则是基于两者通过SHA256加密算法计算得出。因此，攻击者很难通过伪造 Token 盗用您的云服务流量。注意事项 通过控制台生成的Token为临时Token，一般用于测试使用。如果...
0002-00000040
关于这两种签名方式的算法说明如下：在Header中包含签名 StringToSign=VERB+""+Content-MD5+""+Content-Type+""+Date+""+CanonicalizedOSSHeaders+CanonicalizedResource Signature=base64(hmac-sha1(AccessKeySecret,StringToSign)在URL中...
调优集群性能
如下图所示，某张表是根据a字段进行分布，因为a字段本身比较均匀，所以数据均匀地分布在不同的存储节点上，当您使用了b字段进行分组（group by b），那么存储节点1会将b字段值为b1的数据行分发到计算节点1，为确保计算节点1具有所有b字段值...
基本概念
分支伪造 分支伪造模块是安全编译器内建的一个基于不透明谓词的控制流混淆方法。结合控制流可达性分析结果及随机不透明谓词构造器，分支伪造模块能以较低的成本（性能影响小，文件膨胀少）达到控制流改造的目的。符号加密 对指定的、符合...
使用Token鉴权
其中 AppID 用于标识您的应用，UserID 用于标识您的用户，而 Token 则是基于算法计算得出。因此，攻击者很难通过伪造 Token 盗用您的云服务流量。注意事项 通过控制台生成的Token为临时Token，一般用于测试使用。如果需要正式使用，请使用...
在线客服场景客户咨询解析
服务开通：开通地址 购买资源包：购买地址 服务调用与调试 模型调用文档参考：模型调用 SDK示例文档参考：SDK示例 调试 您可以在OpenAPI开发者门户中直接运行该接口，免去您计算签名的困扰。运行成功后，OpenAPI开发者门户可以自动生成SDK...
签名机制
使用上一步构造的规范化字符串，按照下面的规则构造用于计算签名的字符串：StringToSign=HTTPMethod+"&"+percentEncode("/")+"&"+percentEncode(CanonicalizedQueryString)其中 HTTPMethod 是提交请求用的 HTTP 方法，比如 GET 和 POST。...
- 产品推荐
- 这些文档可能帮助您