模糊效果
图片处理支持对图片进行模糊操作。...sigma 是正态分布的标准差。例如：3-2bl 模糊半径是3，标准差是2。radius取值范围为[1,50]，radius越大，越模糊。sigma取值范围为[1,50]，sigma越大，越模糊。示例 对图片进行模糊半径是3，标准差是2。...
Contextual Bandit 算法
赌徒要去摇老虎机，走进赌场一看，一排老虎机，外表一模一样，但是每个老虎机吐钱的概率可不一样，他不知道每个老虎机吐钱的概率分布是什么，那么每次该选择哪个老虎机可以做到最大化收益呢？这就是多臂赌博机问题（Multi-armed bandit ...
模糊效果
s 是 设置正态分布的标准差。[1,50]该值越大，图片越模糊。g 否 设置模糊作用范围。face：最大人脸。faces：所有人脸。说明 需要先绑定IMM Project。关于控制台和API如何绑定，请参见 快速入门 和 AttachOSSBucket。不支持匿名访问。必须...
Prompt最佳实践
由于有10名女生，所以被选中的是女生的概率就是女生人数除以总人数，即10/25。答案：“被选中的是女生的概率是10/25，简化后为2/5。2.问题：“一个袋子里有3个红球，2个蓝球和5个黄球。随机抽取一个球，抽到红球的概率是多少？思考过程：...
泊松分布拟合
功能说明 泊松分布拟合组件支持对给定数据点进行泊松分布拟合，利用KS检验数据是否服从泊松分布，输出拟合后的概率分布，以及KS检验结果、泊松分布的期望（方差）。计算逻辑原理 泊松分布：泊松分布的概率密度函数为 泊松分布的参数是 单位...
Z-Score归一化
它可以将数据转换为具有相同均值和标准差的分布。Z-Score归一化的具体操作是，对每个数据点x，将其减去数据集的均值μ，然后除以标准差σ，即：z=(x-μ)/σ 这样处理后，数据集的均值将变为0，标准差将变为1。这种归一化方法能够保持原始...
泛化调用
需要是标准的pojo格式，这里省略getter setter }/直接使用map去构造pojo对应的泛化参数 Map param=new HashMap,Object>();param.put("age",11);param.put("name","Miles");当传递的参数是声明参数类型的子类时，需要传入class字段，标明该...
核密度估计函数
核密度估计函数采用平滑的峰值函数来拟合观察到的数据点，从而对真实的概率分布曲线进行模拟。函数格式 select kernel_density_estimation(bigint stamp,double value,varchar kernelType)参数说明 参数 说明 stamp UnixTime 时间戳数据，...
检测资源栈组的偏差状态
偏差监测可以帮助您查看资源栈组的实际配置是否与资源栈组模板配置存在差异，本文为您介绍如何检测资源栈组的偏差监测。应用场景 如果您想检测资源栈组中每个资源栈实例关联的资源栈中资源的配置状态是否与模板中定义的状态存在差异，您...
卡方分布拟合
计算逻辑原理 卡方分布：卡方分布是统计推断中应用最广泛的概率分布之一。其定义为：若 个独立的随机变量，且均符合标准正态分布，则这 个随机变量的平方和 为服从自由度为 的卡方分布，记为 也可以记为：卡方分布的期望和方差分别为：其中...
标准化训练
算法简介 标准化是假设数据符合正态分布，根据均值和方差计算对应数值的过程，训练过程计算数据的均值和标准差。可视化配置参数【输入桩配置】输入桩（从左到右）限制数据类型 建议上游组件 是否必选 数据 数值类型 读数据表 读CSV文件 是...
HBase外部表（HBase标准版或增强版）
背景信息 HBase 是兼容标准HBase访问协议的分布式数据库，包含HBase标准版、HBase增强版和HBase Serverless版，MaxCompute仅支持访问HBase标准版或HBase增强版集群。默认情况下，MaxCompute与阿里云HBase服务间的网络不可达，您需要提前...
高斯分布拟合
功能说明 高斯拟合分布组件支持对给定数据点进行高斯分布拟合，利用KS检验数据是否服从高斯分布，输出拟合后的概率分布，以及KS检验结果、高斯分布均值、标准差。计算逻辑原理 高斯分布：若随机变量 服从一个位置参数、尺度参数为 的概率...
性能监控指标
耗时分位数 分位数，也叫做分位点，是指将一个随机变量的概率分布范围划分为几个等份的数值点，例如中位数（即二分位数）可以将样本数据分为两个部分，一部分的数值都大于中位数，另一部分都小于中位数。相对于平均值，中位数可以有效的...
使用前须知
日志服务提供基于原生OpenTelemetry协议的分布式链路追踪功能，支持各类Trace数据的接入、存储、分析、可视化、告警、人工智能运维等。本文介绍日志服务分布式链路追踪功能（Trace服务）相关的背景信息、方案介绍、资产说明、费用等。重要 ...
离群点剔除
假设数据值的总体是服从正态分布的，那么：式中，μ、σ 分别表示数学期望与标准差。数据值中出现大于式中，或者小于数据值的概率是很小的。因此将之作为异常值，予以剔除。波峰剔除：步骤如下。对数据进行中心化处理。将数据进行等量划分...
PLDA
LDA（Latent Dirichlet allocation）是一种主题模型，它可以按照概率分布的形式给出文档集中每篇文档的主题。LDA也是一种无监督学习算法，在训练时您无需手工标注的训练集，仅需要在文档集中指定主题的数量K即可（K即为PLDA参数topic）。...
标准化批预测
算法简介 标准化是假设数据符合正态分布，根据均值和方差计算对应数值的过程。可视化配置参数【输入桩配置】输入桩（从左到右）限制数据类型 建议上游组件 是否必选 预测输入模型 无 标准化训练 是 预测输入数据 数值类型 读数据表 读CSV...
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 ...
GMM聚类
计算逻辑原理 高斯混合模型试图找到多维高斯模型概率分布的混合表示，从而拟合出任意形状的数据分布。图：GMM聚类过程 参数说明 IN端口 参数名 参数描述 是否必填 输入数据类型 数据源类型 特征变量 配置模型特征变量。是 整数或浮点数 ...
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。...
快速入门
对于有关 SOFABoot 框架的整体配置、工程依赖的配置，以及中间件服务的配置，请参见：properties-默认 pom.xml 配置 引入 SOFA 中间件 将 Web 工程导入 IDE SOFABoot 工程是标准的 Maven 工程。您可以使用经典的 Java 开发工具（如 ...
电子表格支持函数说明
GAUSS 标准正常变量处于平均值的 z 标准差内的概率。GEOMEAN 计算数据集的几何平均值。HARMEAN 计算数据集的调和平均值。HYPGEOM.DIST 给定样本总量中的成功率，在每次检验后不恢复初始样本集的条件下，计算在指定检验次数中取得指定成功...
经验概率密度图
算法中采用内核分布估计样本数据的概率密度，和直方图类似都是产生函数描述样本数据的分布，区别是内核分布叠加各部分的贡献而产生连续平滑的分布曲线，而直方图是离散地描述。采用内核分布时，非样本的数据点概率密度并非0，而是各样本...
Pearson相关系数
使用场景 Pearson相关系数的适用范围如下：两个变量的标准差都不为零。两个变量之间是线性关系，且都是连续的数据。双变量正态分布，或接近正态的单峰分布。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...
数学统计函数
x,y)，其中x和y分别表示正态分布的均值和标准差。poisson_cdf函数 poisson_cdf(λ,v)计算泊松分布的累积分布函数P(N;λ)，其中λ表示随机事件发生的平均概率。weibull_cdf函数 weibull_cdf(x,y,v)计算韦布分布的累积分布函数P(N;x,y)，其中...
归一化
0 无 归一化标准差 归一化变量的标准差。当归一化方法为Z-score时，才需要配置。1 无 OUT端口-输出参数 参数名 参数描述 输出数据类型 OUT 归一化后的输出，与IN端口配置的输入参数一致。浮点数 其他参数 参数名 参数描述 是否必填 参数...
功能特性
分布式事务引擎 OceanBase 数据库的分布式事务引擎严格支持事务的 ACID 属性，并且在整个集群内严格支持数据强一致性，是全球唯一一家通过了标准 TPC-C 测试的原生分布式关系型数据库产品。OceanBase 数据库通过 Paxos 协议将事务日志复制...
三方模型应用
例如，取值为0.8时，仅保留累计概率之和大于等于0.8的概率分布中的token，作为随机采样的候选集。取值范围为（0,1.0)，取值越大，生成的随机性越高；取值越低，生成的随机性越低。默认值为0.8。注意，取值不要大于等于1 0.8 Parameters ...
数据归一化
其中x是原始数据，min是数据的最小值，max是数据的最大值，mean是数据的平均值，std是数据的标准差，x'是归一化后的值。参数说明 IN端口-输入参数 参数名 参数描 述 是否必填 输入数据类型 数据源类型 归一化变量 配置需要归一化处理的变量...
检索增强应用
例如，取值为0.8时，仅保留累计概率之和大于等于0.8的概率分布中的token，作为随机采样的候选集。取值范围为（0,1.0)，取值越大，生成的随机性越高；取值越低，生成的随机性越低。默认值为0.8。注意，取值不要大于等于1 0.8 Parameters ...
插件和流程编排应用
例如，取值为0.8时，仅保留累计概率之和大于等于0.8的概率分布中的token，作为随机采样的候选集。取值范围为（0,1.0)，取值越大，生成的随机性越高；取值越低，生成的随机性越低。默认值为0.8。注意，取值不要大于等于1 0.8 Parameters ...
测试指标
错误率 定义及解释 错误率指系统在负载情况下，失败交易的概率。错误率＝（失败交易数/交易总数）×100%。稳定性较好的系统，其错误率应该由超时引起，即为超时率。简称 Virtual Failure Ratio：FR:VU 标准 不同系统对错误率的要求不同，但...
向量计算函数
向量元素标准差函数 vector_std_dev(array(double)vector1)vector_std_dev(varchar vector1)计算一个向量的标准差，标准差是方差的正平方根。方差描述了数据点围绕均值的波动大小。方差越大，表示数据点越分散；方差越小，表示数据点越集中...
产品架构
分布式文件系统 LDFS（Lindorm DFS，也称为Lindorm文件引擎）是面向云基础存储设施设计、兼容HDFS协议的分布式存储系统，并同时支持运行在本地盘环境，以满足部分大客户的需求，向多模引擎和外部计算系统提供统一的、与环境无关的标准接口...
链路数据（Trace）
在广义上，一个调用链代表一个事务或者流程在（分布式）系统中的执行过程。在OpenTracing标准中，调用链是多个Span组成的一个有向无环图（Directed Acyclic Graph，简称DAG），每一个Span代表调用链中被命名并计时的连续性执行片段。
模型应用
例如，取值为0.8时，仅保留累计概率之和大于等于0.8的概率分布中的token，作为随机采样的候选集。取值范围为（0,1.0)，取值越大，生成的随机性越高；取值越低，生成的随机性越低。默认值为0.8。注意，取值不要大于等于1 0.8 Parameters ...
数据聚合
标准差：取分组聚合中的标准差。方差：取分组聚合中的方差。求和：取分组聚合中的和。参数说明 IN端口-输入参数 参数名 参数描述 是否必填 输入数据类型 数据源类型 聚合索引 聚合分组需要的索引。是 不限 CSV组件。IGateInOffline组件。...
基本概念
本文介绍在使用 可观测链路 OpenTelemetry 版 之前需要了解的基本概念，包括分布式追踪系统的作用，什么是调用链，可观测链路 OpenTelemetry 版 所依赖的OpenTracing数据模型，以及在 可观测链路 OpenTelemetry 版 产品里数据是如何上报的...
基本概念
本文介绍在使用 可观测链路 OpenTelemetry 版 之前需要了解的基本概念，包括分布式追踪系统的作用，什么是调用链，可观测链路 OpenTelemetry 版 所依赖的OpenTracing数据模型，以及在 可观测链路 OpenTelemetry 版 产品里数据是如何上报的...
- 产品推荐
- 这些文档可能帮助您