排序、去重、采样、数据变换
您可以对DataFrame对象执行排序、去重、采样、数据变换操作。前提条件 您需要提前完成以下步骤，用于操作本文中的示例：准备示例表 pyodps_iris，详情请参见 Dataframe数据处理。创建DataFrame。from odps.df import DataFrame iris=...
Broker Load
参数 描述 file_path 文件路径可以指定到文件，也可以用星号（*）通配符指定某个目录下的所有文件。中间的目录也可以使用通配符匹配。可以使用的通配符有?[]{}^，使用规则请参见 FileSystem。例如，通过 oss:/bucket/data/tablename,可以...
Broker Load
重要 导入进度并不是线性的，所以如果一段时间内进度没有变化，并不代表导入任务没有执行。Type 导入任务的类型。Broker Load的Type取值是BROKER。EtlInfo 主要显示导入的数据量指标 unselected.rows，dpp.norm.ALL 和 dpp.abnorm.ALL。您...
CreateServerGroup-创建服务器组
开启慢启动后，将会在设定的时间段内对新添加到后端服务器组的后端服务器进行预热，转发到该服务器的请求数量线性增加。说明 基础版实例不支持开启慢启动，仅标准版、WAF 增强版实例支持。服务器类型、IP 类型服务器组支持配置慢启动，函数...
数学函数和操作符
参数为弧度 sin(1)→0.8414709848078965 sind(double precision)→double precision 正弦，参数为度数 sind(30)→0.5 tan(double precision)→double precision 正切，参数为弧度 tan(1)→1.5574077246549023 tand(double precision)→...
功能说明
非必要步骤：获得美颜输出纹理，可以在用于其他扩展业务，如果需要按照输入纹理方向返回输出纹理，则在生成纹理和设置纹理的时候，将“保持纹理方向”参数设置为true Texture2D outTexture=engine.autoGenOutTexture(true);设置视窗大小 ...
Android端集成美颜特效SDK
android {.compileSdkVersion.packagingOptions { pickFirst '*/libMNN.so'（若存在libMNN.so冲突时，则增加该行处理，否则不需要增加）pickFirst '*/libMNN_CL.so'（若存在libMNN_CL.so冲突时，则增加该行处理，否则不需要增加）pickFirst...
扩展功能
3-智能配音任务完成则拉取生成的音频【轮询】if(res2.code='200'&res2.data.State='Finished'){ const mediaId=res2.data.Output;const getProducedAudioInfo=()=>{ return request('GetMediaInfo',{ MediaId:mediaId,});};const ...
AliSQL内核小版本发布记录
MySQL 8.0基础系列或高可用系列 或集群系列 说明 集群系列从20220730小版本开始支持。组复制（MGR）从20221231小版本开始支持。小版本 说明 20240229 新特性 OpenSSL版本更新为3.0.12。新增故障诊断日志记录DDL功能。新增 全密态数据库 ...
关键缺陷通知
本文将为您介绍Hologres各版本相关缺陷的修复记录，包括问题描述、影响程度等。您可以通过报错或问题描述，检查您当前的业务中是否产生了相关问题，提前进行问题规避。建议加入实时数仓Hologres交流群联系对应技术支持协助您将产品升级到...
性能说明FAQ
通用型NAS 单个文件系统的读写性能上限（峰值）与文件系统的当前使用容量线性相关且成正比例关系，即使用容量越大，吞吐性能上限（峰值）越高。更多信息，请参见 通用型NAS。极速型NAS 单个文件系统的读写性能随配置容量的增长呈阶梯式增长...
线性回归
模型地址 字符 算法参数 参数名 参数描述 是否必填 参数默认值 参数范围 是否使用截距 选择模型训练时是否使用截距 是 是 是 否 特征变量是否正则化 选择模型训练前是否对数据正则化 是 否 是 否 测试集比例 测试模型的数据占总输入数据的...
线性回归算法（Linear Regression）
本文介绍了线性回归算法（Linear Regression，以下简称LR）相关内容。简介 LR是利用线性回归方程的最小平方函数对一个或多个自变量和因变量之间关系进行建模的一种回归分析。使用场景 LR是一个回归模型，主要用于拟合数值。该模型简单，可...
XGBOOST回归
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、异常值和噪声数据，同时具有较高的预测准确率和泛化能力。在回归问题中，XGBoost每个决策树都是一个回归模型，它...
XGBOOST多分类
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、异常值和噪声数据，同时具有较高的预测准确率和泛化能力。在多分类问题中，XGBoost将输入数据特征映射到多元分类...
XGBOOST二分类
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、异常值和噪声数据，同时具有较高的预测准确率和泛化能力。在二分类问题中，XGBoost将输入数据特征映射到一个二元...
MySQL分库分表同步至Hologres（方案2.0）
将分表数据写入目标单表：将源表满足 t_order.*正则表达式的表数据写入到Hologres名为 t_order 的表中，所有满足 t_user.*正则表达式的表数据写入到Hologres名为 t_user 的表中。为表加上统一前缀：在目标名前统一加上 cdo_前缀。schema：...
向量索引的高级配置介绍
默认是10000，用线性构建的好处是可以节省内存,召回结果无损,但是若数据规模较大时，性能极差。min_scan_doc_cnt 默认值为20000 召回候选集的个数最小值，默认10000，和proxima.qc.searcher.scan_ratio的概念类似。两者都配置的情况下，取...
向量索引
默认是10000，用线性构建的好处是可以节省内存,召回结果无损,但是若数据规模较大时，性能极差。min_scan_doc_cnt:召回候选集的个数最小值，默认10000，和proxima.qc.searcher.scan_ratio的概念类似。两者都配置的情况下，取两者的最大值 ...
岭回归训练
岭回归（Tikhonov regularization）算法是对不适定问题进行回归分析时，最常用的正则化方法。岭回归训练组件基于该算法，支持稀疏、稠密两种数据格式，且支持带权重样本的训练。本文为您介绍岭回归训练组件的配置方法。使用限制 支持的计算...
分段多项式回归
是 是 是 否 是否正则化 选择模型训练前是否对数据正则化。是 否 是 否 是否自动分段：是 参数名 参数描述 是否必填 参数默认值 参数范围 分段数 自动分段的数量。否 3[1,99999999]是否自动分段：否 参数名 参数描述 是否必填 参数默认值 ...
PS线性回归
线性回归（Linear Regression）是分析因变量和多个自变量之间的线性关系模型，参数服务器PS（Parameter Server）致力于解决大规模的离线及在线训练任务。PS线性回归支持千亿样本、十亿特征的大规模线性训练任务。组件配置 您可以使用以下...
向量索引
默认是10000，用线性构建的好处是可以节省内存,召回结果无损,但是若数据规模较大时，性能极差。min_scan_doc_cnt:召回候选集的个数最小值，默认10000，和proxima.qc.searcher.scan_ratio的概念类似。两者都配置的情况下，取两者的最大值 ...
ST_AddMeasure
使用上下限区间线性插值方法给几何对象添加M值，返回新的几何对象。语法 geometry ST_AddMeasure(geometry geomMline,float8 measureStart,float8 measureEnd);参数 参数名称 描述 geomMline 目标LineStirng对象。measureStart M值下限。...
ST_AddMeasure
使用上下限区间线性插值方法给几何对象添加M值，返回新的几何对象。语法 geometry ST_AddMeasure(geometry geomMline,float8 measureStart,float8 measureEnd);参数 参数名称 描述 geomMline 目标LineStirng对象。measureStart M值下限。...
横向逻辑回归二分类
一、组件说明 横向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。横向逻辑回归的训练过程是利用...
逻辑回归
模型地址 字符 算法参数 参数名 参数描述 是否必填 参数默认值 参数范围 惩罚类型 用于指定惩罚中使用的规范 否 L2 L2 无惩罚 正则强度的倒数 必须为正浮点数，与支持向量机一样，较小的值指定更强的正则化 否 1.0[0,99999999]是否使用截距...
线性回归
线性回归（Linear Regression）是分析因变量和多个自变量之间的线性关系模型。组件配置 您可以使用以下任意一种方式，配置线性回归组件参数。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 ...
ST_AddMeasure
使用上下限区间线性插值方法给几何对象添加M值，返回新的几何对象。语法 geometry ST_AddMeasure(geometry geomMline,float8 measureStart,float8 measureEnd);参数 参数名称 描述 geomMline 目标LineStirng对象。measureStart M值下限。...
条件随机场
条件随机场可用于不同的预测问题，主要应用于标注问题中，其中最典型的是线性链（linear chain）。详情请参见 wiki。组件配置 您可以使用以下任意一种方式，配置条件随机场组件参数。方式一：可视化方式 在 Designer 工作流页面配置组件...
计费常见问题
当您在通用型NAS中写入文件数据产生实际存储容量，则开始计费；当您创建极速型NAS成功后，则根据您创建时配置的容量和时长计费。创建文件系统实例后，就开始计费吗？通用型NAS 创建通用型NAS文件系统，不会产生费用。当您在通用型NAS文件...
Logtail限制说明
正则默认最大处理能力为20 MB/s（与正则表达式的复杂度有关）。分隔符日志最大处理能力为40 MB/s。JSON日志最大处理能力为30 MB/s。通过启动参数 process_thread_count 设置多个处理线程，可提升1.5~3倍性能。最大监控目录及文件数 与内存...
Logtail
正则默认最大处理能力为20 MB/s（与正则表达式的复杂度有关）。分隔符日志最大处理能力为40 MB/s。JSON日志最大处理能力为30 MB/s。通过启动参数 process_thread_count 设置多个处理线程，可提升1.5~3倍性能。最大监控目录及文件数 与内存...
config子句
rerank_hint BOOL false 是否走第二轮算分 rank_size NUMBER 0 粗排数，也就是直接动态索引截断数，如果为0,则用配置文件里的值 rerank_size NUMBER 0 第一轮精排数，如果为0,则用配置文件里的值 total_rank_size NUMBER 0 各partition粗排...
config子句
rerank_hint BOOL false 是否走第二轮算分 rank_size NUMBER 0 粗排数，也就是直接动态索引截断数，如果为0,则用配置文件里的值 rerank_size NUMBER 0 第一轮精排数，如果为0,则用配置文件里的值 total_rank_size NUMBER 0 各partition粗排...
config子句
rerank_hint BOOL false 是否走第二轮算分 rank_size NUMBER 0 粗排数，也就是直接动态索引截断数，如果为0,则用配置文件里的值 rerank_size NUMBER 0 第一轮精排数，如果为0,则用配置文件里的值 total_rank_size NUMBER 0 各partition粗排...
config子句
rerank_hint BOOL false 是否走第二轮算分 rank_size NUMBER 0 粗排数，也就是直接动态索引截断数，如果为0,则用配置文件里的值 rerank_size NUMBER 0 第一轮精排数，如果为0,则用配置文件里的值 total_rank_size NUMBER 0 各partition粗排...
LightGBM算法
regression_l1：使用L1正则项回归模型。multiclass：多分类。num_leaves 叶子的个数。取值为整数。默认值为128。max_depth 树的最大深度。取值为整数。默认值为7。说明 如果设置为-1，则表示不对树的深度做限制。但为防止过拟合，建议合理...
产品优势
可靠-AC 故障则整个网络不可用。做 HA 冗余的成本高昂且运维复杂。过于依赖人工运维缺乏自动化。无本地AC，通过云端提供高可用服务 灵活-缺少变通。不支持流行的互联网认证。黑盒子，封闭系统。支持各种流行的认证协议甚至自定义协议。按需...
Stream Load
表达式变换例子：原始文件有两列，目标表也有两列（c1,c2），但是原始文件的两列均需要经过函数变换才能对应目标表的两列，则写法如下为 columns:tmp_c1,tmp_c2,c1=year(tmp_c1),c2=month(tmp_c2)，其中 tmp_*是一个占位符，代表的是原始...
- 产品推荐
- 这些文档可能帮助您