风险事件
告警指标：应急分析：风险事件关联了诊断决策树时，该模块将展示自动触发的诊断决策树中诊断异常的信息。应急响应：包括未响应和已响应的成员。应急过程：展示了当前风险应急处理的流程与进展（发现风险>应急过程>应急完成）以及应急处理...
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...
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 ...
诊断决策树
您可以通过诊断决策树，编排故障排查的过程。对于已知的明确故障，可以根据诊断现象，编排诊断决策树，进而故障发生时执行，完成故障定位。对于未知的故障，您可以依据运维经验，编排出常见的排查路径，辅助快速故障定位。新建诊断决策树 ...
随机森林
随机森林就是通过集成学习的思想将多棵树集成的一种算法，它的基本单元是决策树，而它的本质属于机器学习的一大分支——集成学习（Ensemble Learning）方法。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...
诊断报告
执行诊断决策树时，系统会生成对应的诊断报告，记录诊断的执行信息。你可以在 诊断报告 页面查看所有诊断决策树的执行记录，包括诊断决策树名称、触发方式、诊断状态、创建时间、状态概要、结果概要以及诊断结果。在左侧导航栏上，单击 ...
梯度提升决策树算法（GBDT）
本文介绍了梯度提升决策树算法（Gradient Boosting Decision Tree，下文简称GBDT）相关内容。简介 GBDT是一款基于梯度提升的决策树算法。可解释性强，预测速度快。同时，GBDT算法相比于其它算法需要更少的特征工程，可以不用做特征标准化，...
组件参考：所有组件汇总
随机森林 该组件是一个包括多决策树的分类器，其分类结果由单棵树输出类别的众数决定。朴素贝叶斯 该组件是一种基于独立假设的贝叶斯定理的概率分类算法。K均值聚类 该组件会首先随机选择K个对象作为每个簇的初始聚类中心，然后计算剩余...
模型可视化
决策树 系统展示Top10个重要树信息，单击决策树对应编号，可以查看决策树信息详情。树上的每个非叶子节点，代表的是当前决策需要用到的特征。每个树顶端的节点是这个树决策的第一个特征，根据该特征的取值不同分支向左（不高于阈值）或向右...
pg_index
indislive bool 如果为假，索引正处于被删除过程中，并且必须被所有处理忽略（包括HOT安全的决策）。indisreplident bool 如果为真，这个索引被选择为使用 ALTER TABLE.REPLICA IDENTITY USING INDEX.的“replica identity”。indkey int2...
表分区
不允许在同一个分区树中混杂临时关系和持久关系。因此，如果分区表是持久的，则其分区也必须是持久的，反之亦然。在使用临时关系时，分区数的所有成员都必须来自于同一个会话。使用继承实现 虽然内建的声明式分区适合于大部分常见的用例，...
EXPLAIN
本文介绍了EXPLAIN语法的简介、使用方法以及示例等内容。语法 EXPLAIN[(option[,.])]statement EXPLAIN[ANALYZE][VERBOSE]statement 这里 option可以是：ANALYZE[boolean]VERBOSE[boolean]COSTS[boolean]SETTINGS[boolean]BUFFERS[boolean]...
决策树
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。目标是创建一个模型，通过学习从数据特征推断出的简单决策规则来预测目标变量的值。一棵树可以看作是分段常数近似。决策树组件支持使用决策树算法对分类或回归问题进行建模。...
诊断节点
诊断节点是诊断决策树的子节点，通过节点之间的关联，实现一棵完整的决策树。新建节点 登录高可用管理控制台。在左侧导航栏上，单击 故障诊断>诊断节点。单击 新建，在 新建节点 页面，配置新节点的信息，包括节点名称、描述，选择节点类型...
性能指标
算法类型 数据规模 特征规模 任务类型 任务平均运行时间 决策树-XGBoostWithDp 100万 2000维*2000维 训练 180分钟 决策树-GBDTWithDp 500万 100维*100维 训练 15分钟 线性回归-LinearRegressionWithHe 100万 100维*100维 训练 150分钟 逻辑...
梯度提升决策树
本文为您介绍梯度提升决策树组件。功能说明 GBDT（Gradient Boosting Decision Tree）是一种迭代的决策树算法，由多棵决策树组成，是进行多分类的算法模型。梯度提升采用连续的方式构造树，每棵树都试图纠正前一棵树的错误。默认情况下，...
群体稳定性指标PSI
dt：决策树分箱。kmean：基于k均值聚类分箱。categorical_feature：类目型的特征。多个类目型之间使用英文逗号（,）分隔。示例/*polar4ai*/CREATE FEATURE psi_001 WITH(feature_class='psi',x_cols='Airline,Flight,AirportFrom,AirportTo...
功能特性
风险场景 风险场景 是针对特定风险事件进行集中化处理的模块，风险场景中包含了处理风险事件所需要诊断决策树、应急预案、业务影响等信息。目前应急场景升级后，需要将风险场景和应急响应联动，所以需要添加更多属性。日常巡检 日常巡检 是...
安全联邦学习-任务模式FL
三、安全联邦学习已支持的能力 用途 算法分类 已支持算法 分类 决策树 XGBoostWithDp GBDTWithDp 逻辑回归 LogisticRegressionWithHe 神经网络 神经网络MLP 回归 线性回归 LinearRegressionWithHe 神经网络 神经网络MLP 四、如何进行安全...
特征编码
功能介绍 特征编码由决策树和Ensemble算法挖掘新特征的一种策略，特征来自一个或多个特征组成的决策树叶子结点的one-hot结果。例如，下图有三棵树，共有12个叶子结点。根据树的顺序依次编码为0~11号特征，其中第一棵树的叶子结点占据0~3号...
GetTrainingJob-获取训练任务详情
{} HasModelInfo boolean 是否存有特征重要性、模式、决策树等特征信息。false ErrorCode integer 错误码。0 ErrorMessage string 错误信息。OK RequestId string 请求 ID。f8651828-609d-4de8-ab49-ab781d7fd85a 示例 正常返回示例 JSON ...
CreateTrainingJob-创建训练任务
{"start_date":"20210101","end_date":"20210131"} HasModelInfo boolean 是否存有特征重要性、模式、决策树等特征信息。false ErrorCode integer 错误码。0 ErrorMessage string 错误信息。OK RequestId string 请求 ID。f8651828-609d-4...
使用Hologres实现分页
分页决策树 分页SQL命令语法如下。SELECT.FROM.ORDER BY key LIMIT N OFFSET S SQL实现原理：对于扫描出来的记录，按照 key 排序，取 TOP N+S 条记录（通过部分排序 PARTIAL SORT 实现），然后丢弃前S条记录，返回剩下的N条记录。在分页...
ListTrainingJobs-获取训练任务列表
{\"end_date\":\"20220408\",\"op_target\":\"sms\",\"start_date\":\"20220101\"} HasModelInfo boolean 是否存有特征重要性、模式、决策树等特征信息。true ErrorCode integer 错误码。0 ErrorMessage string 错误信息。RequestId ...
机器学习（MADlib）
插件简介 MADlib机器学习模块主要解决以下问题：分类、回归问题：提供一系列算法，如K最近邻、MLP多层感知神经网络、SVM支持向量机、决策树等算法来解决二元分类、回归问题，集成最小二乘法、GLM广义线性回归、逻辑回归、多项式回归等模型...
概述
内置平台模型 内置平台模型，即PolarDB for AI提供的自研平台类模型，会集成到 PolarDB 中发布，如通义千问、诊断咨询机器人、聊天机器人、菜鸟决策树模型和异常检测模型等。用户只需要在数据库中部署模型和创建函数即可进行模型推理。目前...
安全联邦学习-工作流FL
三、安全联邦学习已支持的能力 用途 算法分类 已支持算法 分类 决策树 XGBoostWithDp GBDTWithDp 逻辑回归 LogisticRegressionWithHe 神经网络 神经网络MLP 回归 线性回归 LinearRegressionWithHe 神经网络 神经网络MLP 四、如何进行安全...
随机森林
随机森林是一个包括多决策树的分类器，其分类结果由单棵树输出类别的众数决定。组件配置 您可以使用以下任意一种方式，配置随机森林组件参数。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...
REINDEX
PolarDB中的 B-树索引在特定的非常规访问模式下可能会发生这种情况。REINDEX 提供了一种方法来减少索引的空间消耗，即制造一个新版本的索引，其中没有死亡页面。修改了一个索引的存储参数（例如填充因子），并且希望确保这种修改完全生效。...
PolarDB PostgreSQL（兼容Oracle）2.0版本商业化公告
DBMS_METADATA包提供了获取数据库对象的元数据信息的方法，用于重建数据库中的对象。DBMS_OUTPUT包可以从存储过程、包或触发器发送信息。DBMS_PIPE包支持同一例程在不同会话之间进行管道通信。DBMS_RANDOM包提供了一系列随机函数、存储过程...
PolarDB PostgreSQL（兼容Oracle）2.0版本与1.0版本...
DBMS_METADATA包提供了获取数据库对象的元数据信息的方法，用于重建数据库中的对象。DBMS_OUTPUT包可以从存储过程、包或触发器发送信息。DBMS_PIPE包支持同一例程在不同会话之间进行管道通信。DBMS_RANDOM包提供了一系列随机函数、存储过程...
在GPU实例上使用RAPIDS加速机器学习任务
使用XGBoost训练梯度提升决策树。NoteBook代码的执行过程如下：准备数据集。本案例的Shell脚本会默认下载2000年的抵押贷款回归训练数据（mortgage_2000_1gb.tgz）。设定相关参数。参数名称 说明 start_year 指定选择训练数据的起始时间，...
关键技术竞争力
三位一体的业务可观测能力 TRaaS 技术风险防控平台提供多元框架协议，采集监控、链路、日志等多样数据，并支持按业务场景进行多维聚合，以业务监控为核心建立业务连续性保障体系，通过监控下钻、链路分析、日志关联、故障决策树诊断，共同...
Quick BI仪表板的交叉表设置树形展示如何显示汇总数据
概述 本文主要描述了Quick BI仪表板的交叉表设置树形展示后显示汇总数据的具体操作。详细信息 交叉表开启了树形展示以后，节点的位置默认展示是”-“，我们需要在列汇总中配置分类汇总，才能在节点位置展示出总计，配置完成后点击更新数据...
Quick BI事件功能为灰色无法选中
问题描述 Quick BI事件功能为灰色无法选中。问题原因 图表样式中配置了树形展示，目前事件不支持和树形展示共同配置。解决方案 将树形展示改为平铺展示。适用于 公共云 Quick BI
梯度提升回归树
本文为您介绍梯度提升回归树组件。功能说明 梯度提升回归树GBRT（Gradient Boosting Regression Tree）是利用树模型进行回归的算法模型。梯度提升采用连续的方式构造树，每棵树都试图纠正前一棵树的错误。默认情况下，梯度提升回归树中没有...
TPC-H性能测试说明
背景信息 TPC-H简介 TPC-H是一个决策支持基准，由一套面向业务的临时查询和并发数据修改组成。选择的查询和填充数据库的数据具有广泛的行业相关性。该基准测试说明了决策支持系统可以检查大量数据，执行高度复杂的查询，并解答关键的业务...
TPC-H性能测试说明
TPC-H简介 以下文字描述引用自 TPC Benchmark H(TPC-H)：“TPC-H是一个决策支持基准，由一套面向业务的临时查询和并发数据修改组成。选择的查询和填充数据库的数据具有广泛的行业相关性。该基准测试说明了决策支持系统可以检查大量数据，...
XGBOOST回归
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...
TPC-H Benchmark性能测试
TPC-H Benchmark是由国际事务处理性能委员会（Transaction Processing Performance Council）发布的数据库领域权威测试标准之一，是被工业界和学术界普遍认可的决策支持测试标准，也是数据库选型的重要参考指标之一。本文介绍如何在EMR ...
- 产品推荐
- 这些文档可能帮助您