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...
逻辑回归二分类
逻辑回归的训练过程是利用最大似然估计方法，寻找能够最大化训练数据集中样本类别之间的差异性的模型参数。在二分类问题中，逻辑回归将输入数据特征映射到一个二元分类输出，即预测样本属于正例或负例的概率。组件截图 二、参数说明 字段...
时序异常检测
本文介绍异常检测算法的概念和时序异常检测的语法。引擎与版本 时序异常检测仅支持时序引擎。无版本要求。使用限制 时序异常检测必须和 SAMPLE BY 语句搭配使用。功能简介 时序异常检测用于检测指定时间线上异常点的值，支持阿里达摩院自研...
Lasso回归训练
Lasso（Least absolute shrinkage and selection operator）回归算法是一种压缩估计算法。Lasso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Lasso回归训练组件的配置方法。使用限制 支持的...
HaaS EDU场景式应用整体介绍
别着急，HaaS EDU K1中提供的陀螺仪以及加速度计就可以完全地展示这个算法是如何打造出来的。本案例中包括以下主要知识点：三轴加速度传感器的原理和使用 随机数生成的方法 抖动滤除算法 通过本案例的学习，能完整的学习到三轴加速度传感器...
LightGBM
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 可以处理大规模数据 与常见的机器学习算法对比，速度是非常快的。计算逻辑原理 LightGBM 通过叶分裂(Leaf-wise)策略来生长树。每次从当前...
PageRank
算法说明 PageRank算法是一种基于链接分析的方法，用于评估网页的相对重要性。核心原则如下：如果一个网页被众多其他网页所链接，那么它通常被认为是更重要或质量更高的资源。算法不仅计算指向该网页的链接数量，还考虑了每个链接网页本身...
视频个性化推荐（协同过滤）
背景信息 协同过滤算法是一种用于个性化推荐的技术，它可以基于用户间的行为相似性或物品间的相似性为用户推荐物。本案例中，I2I视频相似度模型算法将通过调用 阿里云PAI 中的协同过滤算法 etrec 完成，更多召回和排序算法您可参考 EasyRec...
TDE透明数据加密
加密模块 我们期望对所有的用户数据按照Page的粒度进行加密，加密方法采用AES-128/256加密算法（产品化默认使用AES-256）。(page LSN，page number)作为每个数据页加密的IV，IV是可以保证相同内容加密出不同结果的初始向量。每个Page的头部...
TDE透明数据加密
加密模块 我们期望对所有的用户数据按照Page的粒度进行加密，加密方法采用AES-128/256加密算法（产品化默认使用AES-256）。(page LSN，page number)作为每个数据页加密的IV，IV是可以保证相同内容加密出不同结果的初始向量。每个Page的头部...
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...
K均值聚类
K均值聚类通过试图分离 n 个相等方差组的样本来聚集数据，用最小化或者簇内和平方的标准。该算法需要指定簇的数量，它可以很好地扩展到大量样本，并已经被广泛应用于许多不同的领域。计算逻辑原理 K-means通常分为三个步骤：1.选择初始质心...
高维向量检索（PASE）
说明 HNSW算法是在NSW算法的单层构图的基础上构造多层图，在图中进行最近邻查找，可以实现比聚类算法更高的查询加速比。两种算法都有特定的适用业务场景，例如IVFFlat适合高精图像对比场景，HNSW适合搜索推荐的召回场景。后续会陆续集成...
高维向量检索（PASE）
说明 HNSW算法是在NSW算法的单层构图的基础上构造多层图，在图中进行最近邻查找，可以实现比聚类算法更高的查询加速比。两种算法都有特定的适用业务场景，例如IVFFlat适合高精图像对比场景，HNSW适合搜索推荐的召回场景。后续会陆续集成...
人脸特征管理
path 版本/face/paas/feature/algorithm/list 1.0.0 入参：无 出参：使用通用结果类型，data域是列表，见下表的详细说明：字段 类型 备注 id String 算法ID provider String 算法供应商 name String 算法名称 version String 算法版本号 ...
概述
物联网边缘计算提供算法应用，供您为视频设备配置算法，处理视频数据。同时提供算法服务，支撑您管理算法任务。背景信息 当前物联网行业中，算法开发没有统一的算法定义和开发规范，自主开发的成本高，是业务中的一大痛点。物联网边缘计算...
高效向量检索（PASE）
说明 HNSW算法是在NSW算法的单层构图的基础上构造多层图，在图中进行最近邻查找，可以实现比聚类算法更高的查询加速比。两种算法都有特定的适用业务场景，例如IVFFlat适合高精图像对比场景，HNSW适合搜索推荐的召回场景。使用PASE 使用方法...
基于图算法实现金融风控
本文为您介绍如何基于图算法，实现金融风控。背景信息 图算法通常适用于关系网状的业务场景。与常规结构化数据不同，图算法将数据整理为首尾相连的关系图谱，需要考虑边和点。PAI提供了丰富的图算法组件，包括K-Core、最大联通子图及标签...
自定义算法包组件上架
算法包模板 以样例算法包algo_package_sample.zip为例，介绍算法包的模板。算法包解压后结构如下：common放工具包 lib放第三方包#导入第三方包的方式 third_path=env_util.get_workspace()+"/lib"os.system('pip3 install simpy=3.0.11-i ...
功能特性
阿里云工业视觉智能从工作区、数据集和模型三...模型管理的基本功能是基于数据集和工作区提供的基础算法模型，或者用户已经训练得到的算法模型，继续通过训练对算法模型进行定制和优化。把生成的算法模型发布为公共云API或导出成SDK离线使用。
CREATE MODEL
TFT TFT（Temporal Fusion Transformer）算法是基于Transformer机制的深度神经网络算法，详细信息，请参见 TFT论文。时序异常检测 TIME_SERIES_ANOMALY_DETECTION esd 达摩院自研算法，适用于尖刺型异常（例如监控曲线出现尖刺的现象），...
模型创建
TFT TFT（Temporal Fusion Transformer）算法是基于Transformer机制的深度神经网络算法，详细信息，请参见 TFT论文。时序异常检测 esd 达摩院自研算法，适用于尖刺型异常（例如监控曲线出现尖刺的现象），对于数据点中有少量显著离群点的...
常见问题
通过VCS“全视频”，对视频数据进行汇聚并行计算，让机器看视频，一方面提升视频追踪的效率，另一方面提升视频追踪的能力 2 AI处于暴利阶段，整个行业停留在人脸、人体、机动车等成熟算法的工程化上，几乎没有算法创新和突破各AI玩家满足于...
PS线性回归
最大迭代次数 算法进行的最大迭代次数。如果 最大迭代次数 为 0，则算法迭代次数无限制。最小收敛误差 优化算法终止条件。最大特征ID 最大的特征ID或特征维度，该参数取值可以大于实际值。如果未配置该参数，则系统启动SQL任务自动计算。...
功能特性
限流算法默认是令牌桶算法，也支持漏桶、滑动窗口的限流算法。网关可以对 API 的响应内容进行缓存，降低对后端 Server 的压力。跨域资源共享 针对 HTTP 的跨域请求，API 网关支持 API 级别的跨域配置以及环境级别的跨域配置。支持设置标准...
内存管理
系统提供的Buddy算法是通过32 bit的位图结构来挂载对应的空闲链表，bit n代表内存块对应的type，其下面挂载了长度范围(2^(n-1+off)~2^(n+off)-1)的空闲块，其中off值主要是考虑利用了原本较小长度块的低bit。内存申请时，优先从对应type的...
BERT模型离线推理
BERT模型离线推理组件主要用于BERT模型...无 最大运行时长（秒）否 算法运行的最长时间。无 输出桩 输出桩（从左到右）数据类型 下游组件 输出数据 MaxCompute表 写数据表 相关文档 关于Designer组件更详细的内容介绍，请参见 Designer概述。
IForest异常检测
IForest异常检测使用sub-sampling算法，降低了算法的计算复杂度，可以识别数据中的异常点，在异常检测领域有显著的应用效果。本文为您介绍IForest异常检测的参数配置。组件配置 您可以通过以下任意一种方式，配置IForest异常检测参数。方式...
特征离散化
应用场景：例如：一组数据需做离散化处理，分段间隔为0.5，对数据【2.2,2.9,1,1.4,1.6,2.7】做离散化处理后为【2.0,3.0,1.0,1.5,1.5,2.5】计算逻辑原理 特征离散化：有效的离散化能减少算法的时间和空间开销，提高系统对样本的分类聚类能力...
工况识别-训练
即连续多少个Mini Batch没有改善聚类效果的话，就停止算法，和最大迭代次数一样是为了控制算法运行时间的。默认是10，一般用默认值就足够了。否 10[1,100]聚类方法：k均值聚类、均值漂移聚类、高斯混合聚类 参数名 参数描述 是否必填 参数...
归一化训练
生成的最大值最小值归一化模型在归一化预处理组件中使用。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 无 是【右侧参数表单】页签 参数 描述 字段设置 选择的列名 需要处理的列名...
最大连通子图
最大连通子图算法用于识别无向图中最大的连通部分，即图中最大的节点集合，其中任意两节点间都可通过路径相连。该算法常用于网络分析、图像处理等领域。它通过深度优先搜索（DFS）或广度优先搜索（BFS）来遍历图，识别所有连通组件，再从中...
组件参考：所有组件汇总
线性支持向量机 该组件是基于统计学习理论的一种机器学习方法，通过寻求结构风险最小化，提高学习机泛化能力，从而实现经验风险和置信范围最小化。逻辑回归二分类 该组件是一个二分类算法，支持稀疏及稠密数据格式。GBDT二分类 该组件的...
关键词抽取
模块 实 现了 基于 自由 形状 变形 网格 变形 算法 遗传算法 差分 进化 算法 飞机 表面积 计算 算法 基于 矩 积分 飞 机 体积 计算 算法 开发 基于 VTK 数据 可视化 格式 工具 PAI命令 PAI-name KeywordsExtraction-DinputTableName=maple_...
PS-SMART多分类
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，SMART（Scalable Multiple Additive Regression Tree）是GBDT（Gradient Boosting Decision Tree）基于PS实现的迭代算法。PS-SMART支持百亿样本及几十万特征的训练...
One-Class SVM异常检测
One-Class SVM与传统SVM不同，是一种非监督的学习算法。您可以使用One-Class SVM异常检测通过学习边界对异常点进行预测。本文为您介绍One-Class SVM异常检测的参数配置。使用限制 支持运行的计算资源为MaxCompute。组件配置 您可以通过以下...
PS-SMART二分类训练
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，SMART（Scalable Multiple Additive Regression Tree）是GBDT（Gradient Boosting Decision Tree）基于PS实现的迭代算法。PS-SMART支持百亿样本及几十万特征的训练...
通过消费组读取文本日志进行模板匹配
日志相似聚类算法在初始化的若干个窗口内只进行日志积累与算法准备，在后续的时间窗口中才对积累的日志进行异常检测。更多信息，请参见 如何设置初始化时间窗口数量？最大静默窗口数 通过 最大静默窗口数 和 时间窗口长度 指定最大的静默...
管理健康报告
字段 说明 参数化SQL ID 参数化SQL的哈希值，用于标记参数化SQL。查询时间变异系数 SQL查询执行时间标准差与其平均值的比值。通常变异系数越大，代表同类SQL每次执行的时间差别越大。执行次数 参数化SQL的总执行次数。参数化SQL文本 参数化...
XGBoost
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结果，其在结构化数据处理方面具有较优良的性能。计算逻辑原理 XGBoost...
- 产品推荐
- 这些文档可能帮助您