线性模型特征重要性
线性模型特征重要性组件用于计算线性模型的特征重要性，包括线性回归和二分类逻辑回归，支持稀疏和稠密数据格式。本文为您介绍该组件的配置方法。使用限制 支持的计算引擎为MaxCompute。组件配置 您可以使用以下任意一种方式，配置线性模型...
查看并管理数仓分层
快速了解数据模型的分层规划，后续将对应数据表挂载至合理的分层中。查看数仓分层详情。单击对应的数仓分层进入该分层的详情页。在 基本信息 区域，即可查看目标数仓分层的 英文缩写、英文名、中文名、负责人、分层归属、模型类型、创建人...
逻辑回归
尽管名字是逻辑回归，但它是一种用于分类而不是回归的线性模型。Logistic 回归在文献中也称为 logit 回归、最大熵分类(MaxEnt)或对数线性分类器。在该模型中，描述单个试验可能结果的概率使用逻辑函数建模。计算逻辑原理 逻辑回归的思路是...
评分卡训练
评分卡是信用风险评估领域常用的建模工具，其原理是通过分箱输入将原始变量离散化后再使用线性模型（逻辑回归或线性回归等）进行模型训练，其中包含特征选择及分数转换等功能。同时也支持在训练过程中为变量添加约束条件。说明 如果未指定...
XGBOOST回归
使用时，数据格式如下，其中key的下标应从1开始，value应均为数值：参数设置 参数名称 参数英文名称 参数说明 树的棵树 tree_num 迭代次数，即决策树或线性模型的数量。树的最大深度 max_depth 决策树的最大深度。学习率 learning_rate ...
XGBOOST多分类
使用时，数据格式如下，其中key的下标应从1开始，value应均为数值：参数设置 参数名称 参数英文名称 参数说明 树的棵树 tree_num 迭代次数，即决策树或线性模型的数量。树的最大深度 max_depth 决策树的最大深度。学习率 learning_rate ...
XGBOOST二分类
参数名称 参数英文名称 参数说明 树的棵树 tree_num 迭代次数，即决策树或线性模型的数量。树的最大深度 max_depth 决策树的最大深度。学习率 learning_rate 学习率，控制每轮迭代权重的缩小程度，适当调整可以加速模型收敛但也可能使模型...
动态特征提取
线性趋势：对采样数据序列进行线性拟合，取线性模型的系数，作为输出。变化趋势：对采样数据序列做Mann-Kendall测试（曼肯德尔检验），若“无趋势”，则输出0；反之，则取slope参数，作为输出。曼肯德尔检验：Mann-Kendall 趋势检验（有时...
创建数仓分层
规划数仓分层 数仓分层需要结合业务场景、数据场景、系统场景进行综合考虑设计，您可以根据实际业务需求，规划您数据模型的分层。DataWorks的数仓分层功能，默认为您创建了 数据引入层ODS（Operational Data Store）、公共维度层DIM...
什么是图数据库自动机器学习？
功能概述 GDB Automl支持被广泛使用的经典统计和机器学习算法，包括梯度提升模型，广义线性模型、深度学习模型等，为使用者提供了从数据处理，模型训练，模型管理到预测推理的全生命周期管理服务，可以自动运行集成算法并调整其超参数，以...
机器学习开发示例
例如下面的代码采用第一个模型（modelA），并根据特征（features）向您显示标签（原始销售价格）和预测（预测销售价格）%pyspark#运行线性回归模型，并展示数据 predictionsA=modelA.transform(ml_data)predictionsA.show(10)数据打印 步骤...
线性回归
功能说明 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。计算逻辑原理 回归分析中，只包括一个自变量和一个因变量，且二者的关系可用一条直线近似表示，这种回归分析称为一元线性回归分析。如果回归分析中...
分段多项式回归
功能说明 分段多项式回归是分段进行分析因变量和多个自变量之间的线性关系模型。计算逻辑原理 分段多项式：通过把输入变量的取值空间分割成连续的区间，然后在每个区间中进行多项式拟合得到的。分段多项式具有可拟合成任意形状的曲线和点的...
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...
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...
注册及管理模型
您可以在模型管理页面，将已训练好的模型注册为一个新的模型，当模型变更后，您可以更新该模型的版本，实现在PAI中统一管理模型。本文为您介绍如何注册模型及管理模型。前提条件 已完成模型训练，并将模型上传至OSS。您可以在 Designer 或 ...
逆向建模：物理表反向建模
表命名规范 用于解析通过 表名匹配规则 匹配到的表名称，来规范逆向建模后的模型名称，并将模型挂在至相应的数仓层级下。具体如下：解析规则 解析匹配到的表名称及下划线个数。表名称最多可包含9个下划线，每两个下划线之间可选择配置为 ...
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...
配置及使用数仓分层检查器
数仓分层检查器用于规范目标分层中模型及指标的命名，制定模型及指标的命名规范，在模型和指标创建时，系统会根据该规范自动生成表名，模型发布成表后，使用方也能通过表名快速了解表的业务信息。本文为您介绍如何配置及使用数仓分层检查器...
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 ...
产品功能
当前版本支持的机器学习模型包括：聚合器（Aggregator）、Cox风险比例回归模型（CoxPH）、深度学习（DeepLearning）、分布式随机森林（DRF）、梯度提升模型（GBM）、广义线性模型（GLM）、广义低阶模型（GLRM）、孤立森林（IF）、K均值聚类...
导入导出限界上下文模型
在使用BizWorks系统前，您可能已经有模型相关的数据，如果手动逐个录入，则效率低且容易出纰漏。BizWorks支持批量导入功能，能有效为您提效降本。...单击 状态 列下的 查看失败原因，查看导出目标限界上下文模型数据失败的原因。
API详情
SDK使用 前提条件 已开通百炼服务：开通大模型服务平台百炼服务。已创建API-KEY:获取API-KEY。已安装最新版SDK：安装SDK。已创建RAG检索增强应用：如何创建应用调用大模型能力，并参考 流程编排 配置流程编排应用。快速调用 以下示例展示了...
API详情
SDK使用 前提条件 已开通百炼服务：开通大模型服务平台百炼服务。已创建API-KEY：获取API-KEY。已安装最新版SDK：安装SDK。已创建RAG检索增强应用：如何创建应用调用大模型能力，并上传企业知识：上传企业知识。快速调用 以下示例展示了...
部署Stable Diffusion应用FAQ
Stable Diffusion本身的原因，特定模型下开启面部修复功能（restore face）时，会发生进程卡住现象。您可以尝试在Stable Diffusion的WebUI界面中手动取消面部修复功能。为什么无法在线安装插件？容器镜像部署存在安全限制，不允许在线安装...
机器学习
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、多项式回归等模型来解决回归问题...
关系图
DataWorks智能数据建模的关系图，帮助您快速构建数据仓库模型架构图，直观展示数据仓库中维度、维度表、明细表、汇总表、应用表等各模型之间的关系。一个关系图承载一个数据仓库模型，一个账号支持创建多个关系图。本文为您介绍关系图的...
机器学习（MADlib）
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、多项式回归等模型来解决回归...
线性回归
一、组件说明 线性回归模型通过找到一条最佳拟合直线（或超平面），将输入特征映射到一个连续数值输出。在模型训练过程中，采用最小二乘法（least squares）估计模型参数，即最小化输出结果与预测值之间的误差平方和。线性回归模型具有简单...
AMQP客户端接收不到实时消息，为什么？
可能原因 设备上报的物模型数据，在产品侧没有定义对应物模型功能。设备上报的数据格式，不符合Alink协议标准数据格式，无法推送消息到消费组的AMQP客户端。设备上报数据中的物模型功能标识符，与定义的功能标识符不一致。解决方法 在 物...
归因分析
设置分组、全局筛选、用户分群（可选）归因分析的设置分组、全局筛选、用户分群逻辑与事件分析相同 选择归因模型 当前支持四种最常见的归因模型：首次触点归因、末次触点归因、线性归因、位置归因和时间衰减归因。业务方可以根据自己的业务...
模型优化
对于模型的优化，我们提供如下几个建议：换一个不同模型试试。不同的模型架构在不同的任务上表现可能不同，没有哪一个模型...比如，您发现模型对于某一种类别经常分不对，很有可能是该类别数据量太少的原因，这时可以考虑补充该类别的数据。
组件参考：所有组件汇总
推荐方法 FM算法 FM（Factorization Machine）算法兼顾特征之间的相互作用，是一种非线性模型，适用于电商、广告及直播的推荐场景。ALS矩阵分解 交替最小二乘ALS（Alternating Least Squares）算法的原理是对稀疏矩阵进行模型分解，评估...
GPU实例FAQ
如果模型不能随镜像交付，例如，超过镜像大小限制，建议对于5 GB以上的大模型，将其存储在NAS文件系统，然后在应用启动时加载模型。建议使用通用型NAS的性能型，不推荐使用容量型。更多信息，请参见 通用型NAS。如何做模型预热，有没有最佳...
GPU实例FAQ
如果模型不能随镜像交付，例如，超过镜像大小限制，建议对于5 GB以上的大模型，将其存储在NAS文件系统，然后在应用启动时加载模型。建议使用通用型NAS的性能型，不推荐使用容量型。更多信息，请参见 通用型NAS。如何做模型预热，有没有最佳...
基本概念
DashScope灵积模型服务通过标准化的API提供“模型即服务”（Model-as-a-Service，MaaS）。不同于以往以任务为中心的AI API，DashScope构建在面向未来的、以模型为中心的理念下，因此也引入了一些新的概念和术语。开发者可以通过本文了解...
模型优化
对于模型的优化，我们提供如下几个建议：有时候上述对于模型的调整可能对于性能的提升都不是很大，这时可以考虑从数据层面来...比如，您发现模型对于某一种类别经常分不对，很有可能是该类别数据量太少的原因，这时可以考虑补充该类别的数据。
计量计费规则
不同的模型会根据模型的特性采用不同的计量单元，比如大语言类模型大多采用输入输出的token数进行计量，语音识别类模型采用输入语音文件时长进行计量，具体的计量方式可以参阅对应模型的具体文档。对于不同的模型，计费也是各自独立的，同...
模型目录
模型目录用于展示DDM保存到模型库中的模型。查看 模型目录 页面的操作步骤如下：进入数据开发页面。登录 DataWorks控制台，单击左侧导航栏的 数据建模与开发>数据开发，在下拉框中选择对应工作空间后单击 进入数据开发。单击左上方的 图标...
ModelDetails
ModelDetails 描述"class="reference-link">描述 列举模型的信息 节点名"class="reference-link">节点名 ModelDetail 子节点"class="reference-link">子节点 名称 类型 描述 GroupId String 模型所述的分组编号 ModelId ...
- 产品推荐
- 这些文档可能帮助您