创建安全联邦学习任务（任务模式）
参数 描述 算法分类 支持的算法分类为FL决策树、FL线性回归、FL逻辑回归、FL深度学习。FL决策树支持的算法为 XGBoostWithDp:Decision_Tree，用于二分类、多分类、回归。FL线性回归支持的算法为 LinearRegressionWithHe:Linear_Regression_...
支持的数据脱敏算法
算法分类 分类描述 算法描述 输入参数 适用类型和典型场景 哈希脱敏 不可逆算法。适用于密码或需要通过对比进行敏感数据确认的场景。支持常见的哈希算法，并支持偏移量（加盐值）配置。MD5 Salt值 敏感类型：密钥类 适用场景：数据存储 SHA...
时序异常检测的常见问题
当前Lindorm ML主要提供两类算法：统计类算法和分解类算法，更多请参见 时序异常检测算法分类。如果您的数据带有较强的周期性，比如每天或每周在相对固定的时刻出现峰值或者谷值，那么推荐您优先尝试分解类算法（ostl-esd和istl-esd），...
使用Grafana进行异常检测算法调优
当前Lindorm ML主要提供两类算法：统计类算法和分解类算法，更多请参见 时序异常检测算法分类。如果您的数据带有较强的周期性，比如每天或每周在相对固定的时刻出现峰值或者谷值，那么推荐您优先尝试分解类算法（ostl-esd和istl-esd），...
模型管理
② 列表区 为您展示模型的名称、算法分类、训练类型、特征分布、数据格式、创建时间信息，同时您可对模型执行刷新、删除操作。您可点击模型名称前的图标，展开查看模型的版本。查看：可查看联邦学习过程中的验证、训练的评估指标和指标折线...
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...
使用Grafana进行异常检测算法调优
当前Lindorm ML主要提供两类算法：统计类算法和分解类算法，更多请参见 时序异常检测算法分类。如果您的数据带有较强的周期性，比如每天或每周在相对固定的时刻出现峰值或者谷值，那么推荐您优先尝试分解类算法（ostl-esd和istl-esd），...
使用Grafana进行异常检测算法调优
当前Lindorm ML主要提供两类算法：统计类算法和分解类算法，更多请参见 时序异常检测算法分类。如果您的数据带有较强的周期性，比如每天或每周在相对固定的时刻出现峰值或者谷值，那么推荐您优先尝试分解类算法（ostl-esd和istl-esd），...
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...
组件参考：所有组件汇总
多分类评估 该组件是指基于分类模型的预测结果和原始结果，评估多分类算法模型的优劣性，从而输出评估指标（例如Accuracy、Kappa及F1-Score）。深度学习 PyTorch使用指南（即将下线）在深度学习组件列表中找到PyTorch组件，同时找到 读OSS...
算法建模
本文以逻辑回归二分类算法为例，为您介绍如何使用PAI Designer训练模型。前提条件 完成数据可视化，详情请参见 数据可视化。操作步骤 登录 PAI控制台，进入工作流页面。操作详情请参见 step1：进入工作流页面。构建逻辑回归二分类节点并...
时序异常检测
算法分类 时序引擎支持以下异常检测算法，算法名称和适用场景如下表：算法名称 适用场景 esd 检测对象为单个数据点。适用于尖刺型异常。对于数据点中有少量显著离群点的情况，检测结果准确。nsigma 检测对象为单个数据点。原理简单，便于...
服务下线通知
且价格保持一致甚至更低，同时，我们也升级优化了管控台交互，增加了部分算法的定制功能，希望带给客户更好的服务管理与使用体验。若目前仍有正在使用的1.0资源包，我们可以支持退款，或提供等额代金券用于购买2.0的资源包。阿里云自然语言...
概述
Row-oriented AI NL2BI：用自然语言实时查看BI报表 典型解决方案 ID-Mapping在游戏领域的解决方案 通义千问大模型数据推理和交互 核心算法 LightGBM算法 DeepFM算法 K均值聚类算法（K-Means）随机森林回归算法（Random Forest Regression）...
【通知】NLP1.0相关商品停止售卖通知
为了提供更稳定与高性能的算法服务，提供更清晰简化的使用体验，我们于2020年12月正式发布了 NLP基础服务2.0，2.0版本完全包含1.0中的所有服务，且价格保持一致甚至更低，同时，我们也升级优化了管控台交互，增加了部分算法的定制功能，...
PolarDB for AI NL2SQL正式商业化，欢迎免费体验！
同时提供了一系列内置的机器学习和人工智能算法，包括：分类算法、回归算法和聚类算法等。基于MLOps和内置的模型，PolarDB for AI 为数据驱动的智能应用提供了高效、可靠、方便的数据智能能力，打破了数据库和业务应用之间的系统墙，提供了...
PyAlink脚本
您可以使用PyAlink脚本调用Alink的分类算法做分类、调用回归算法做回归、调用推荐算法做推荐等。PyAlink脚本也支持与其他Designer的算法组件无缝衔接，完成业务链路的搭建及效果验证。本文为您介绍如何使用PyAlink脚本。背景信息 PyAlink...
算力计费
按日峰值计费 按日峰值具体计费规则如下：类别 说明 计费规则 边缘算力资源（含边缘虚核、边缘内存、边缘存储等）计费算法一致，本章节以边缘虚核为例说明。按日峰值算力计费每五分钟统计一次，统计范围是您账户下全部实例的算力总量，每日...
高效基因序列检索助力快速分析肺炎病毒
系统提取了每种病毒的论文，通过文本分类算法，将论文划分为检测类、疫苗类和药物类。其中，对SARS有效的荧光定量PCR检测，目前正应用于肺炎病毒的检测；基因疫苗的方法以及诱导体内免疫疫苗的方法，也正在展开研究；治疗药物中瑞德西韦...
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...
XGBOOST多分类
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...
逻辑回归多分类
经典逻辑回归是一个二分类算法，PAI提供的逻辑回归可以支持多分类，且支持稀疏及稠密数据格式。组件配置 您可以使用以下任意一种方式，配置逻辑回归多分类组件参数。方式一：可视化方式 在 Designer 工作流页面配置组件参数。页签 参数 ...
概述
基于模型的预测结果和原始结果，评估多分类算法模型的优劣，指标包括Accuracy、kappa、F1-Score等。语法格式如下：ml_multiclass_evaluate(table[,map,string>])线性回归评估：通过内建函数 ml_regression_evaluate 实现。基于模型的预测...
朴素贝叶斯
朴素贝叶斯是一种基于独立假设的贝叶斯定理的概率分类算法。使用Designer（原Studio）的朴素贝叶斯组件，您能有效处理多样的分类问题。本文为您介绍朴素贝叶斯组件的配置方法。使用限制 支持的计算引擎为MaxCompute。组件配置 您可以使用...
Designer计费说明
算法组件 计费主体 计费规则 计费方式 停止计费 组件运行时长。将组件运行消耗的资源量折算成计算时，按计算时按量计费。后付费（按量计费）停止运行组件。深度学习组件 计费主体 计费规则 计费方式 停止计费 组件运行时长。（即将下线）按...
K近邻
功能说明 K近邻组件支持使用K近邻算法对分类或回归问题进行建模。分类分析时，在特征空间中，如果一个样本附近的k个最近（即特征空间中最邻近）样本的大多数属于某一个类别，则该样本也属于这个类别。回归分析时，通过找出一个样本的k个...
个性化底纹
个性化底纹训练模型的训练需单独计费，具体参考：OpenSearch-行业算法版计费概述；单个OpenSearch实例最多可创建5个性化底纹训练模型；如需人工干预个性化底纹的结果，可以添加 黑白名单。API/SDK获取底纹结果 API调用可参考：热搜和底纹 ...
定制排序模型
定制排序模型介绍及操作步骤。定制排序模型介绍 为了更好的满足用户的搜索排序体验，OpenSearch推出了定制排序模型功能，...自定义排序模型的训练需单独计费，具体参考：OpenSearch-行业算法版计费概述；最佳实践参考：定制排序模型最佳实践。
实时热搜
实时热搜模型的训练需单独计费，具体参考：OpenSearch-行业算法版计费概述；实时热搜功能仅支持OpenSearch-行业算法版独享集群以上规格的实例使用；需在 搜索处理 中包含raw_query参数，数据采集2.0 建议上传曝光、点击等用户行为数据后...
视频分类训练
针对原始视频数据，您可以使用视频分类训练算法组件对其进行模型训练，从而获得用于推理的视频分类模型。本文介绍视频分类训练算法组件的配置方法及使用示例。前提条件 已开通OSS并完成授权，详情请参见 开通OSS服务 和 云产品依赖与授权：...
续费/到期或欠费
具体价格请参见 OpenSearch-行业算法版计费概述。扣款时间：自动续费：首次扣款时间为实例到期前第 9 天的 08:00。若未扣费成功，系统将每天扣款一次，持续至实例到期日，直到扣款成功，请保证阿里云账号的余额充足。如您的实例将于明天...
召回定制同义词
定制召回模型按照存储容量、计算资源、模型训练收费，具体价格请参考 OpenSearch-行业算法版计费概述。快速搭建 召回定制-同义词模型从创建到使用需要经过以下三个步骤：创建召回定制-同义词模型并开启训练；配置查询分析并引用已训练的...
XGBoost
功能说明 XGBoost组件支持使用xgboost算法对分类或回归问题进行建模。XGBoost(Extreme Gradient Boosting)，是一种高效的Gradient Boosting算法，集成算法的思路是迭代产生多个弱的学习器，然后将每个学习器的预测结果相加得到最终的预测...
LightGBM
功能说明 LightGBM组件支持使用lightgbm算法对分类或回归问题进行建模。lightgbm是一个梯度Boosting框架，使用基于决策树的学习算法。它可以说是分布式的，高效的，有以下优势：更快的训练效率 低内存使用 更高的准确率 支持并行化学习 ...
XGBoost预测
XGBoost算法在Boosting算法的基础上进行了扩展和升级，具有较好的易用性和鲁棒性，被广泛用在各种机器学习生产系统和竞赛领域，该算法支持分类和回归。XGBoost预测组件是在开源社区的基础上进行包装，您可以使用该组件对XGBoost训练组件...
随机森林
功能说明 随机森林组件支持使用随机森林算法对分类或回归问题进行建模。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...
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...
变配
按量付费转包年包月 须知项 说明 生效方式 立即生效 可配置项 按量付费——>包月包年 计费规则 按量付费转包月包年后，到期时间为到期当天的00:00:00，费用与直接开通包月包年的费用相同，费用详情可参考 OpenSearch-行业算法版计费概述 1....
异常检测
异常检测通过人工智能算法识别费用波动异常，帮助用户及时发现预期外费用。功能说明 异常检测通过人工智能算法实现，您可自定义异常检测的灵敏程度，系统智能识别费用波动异常，从而实现自动监控、发现和预警预期外异常费用，帮助用户及时...
XGBoost训练
XGBoost算法在Boosting算法的基础上进行了扩展和升级，具有较好的易用性和鲁棒性，被广泛用在各种机器学习生产系统和竞赛领域，该算法支持分类和回归。XGBoost训练组件在XGBoost算法的基础上进行了包装，使功能和PAI更兼容，更易用。本文为...
- 产品推荐
- 这些文档可能帮助您