评分卡训练
约束的实现依赖于底层带约束的优化算法，可以在分箱组件中通过可视化方式设置约束，设置完成后分箱组件会生成一个JSON格式的约束条件，并将其自动传递给下游连接的训练组件，详情请参见如下演示操作。系统支持如下六种JSON约束：“<”：...
负载均衡调度算法介绍
简单场景：对于简单的应用场景，不需要考虑服务器的实际负载情况或连接的持续时间，轮询算法可以是一个简单且有效的选择。加权轮询算法 介绍 加权轮询算法在轮询算法的基础上引入了权重的概念，对服务器的负载分配更加灵活。权重值越高的后...
配置脱敏模板和算法
通过单击 增加算法 可以在当前模板中添加多条脱敏算法规则。编辑或删除脱敏模板 登录 数据安全中心控制台。在左侧导航栏，选择 风险治理>脱敏配置。在 脱敏模板 页签，根据实际情况执行编辑或删除操作。编辑模板 如果需要更新指定脱敏模板...
K均值聚类算法（K-Means）
例如：使用K-Means算法可以将电信预付费客户的付费方式分为充值模式、发送短信和浏览网站几个类别。对客户进行分类有助于公司针对特定客户群制定特定的广告。欺诈检测 K-Means算法在欺诈检测中也扮演着一个至关重要的角色，被广泛应用于...
支持机制
支持的安全随机算法 算法 大小 AES-CTR-DRBG(FIPS compliant)AES-CTR-DRBG安全随机算法可以在HSM内为每个API调用生成多达8000字节的随机数。支持的密钥类型 算法 支持的大小（比特）AES 128,192,256(default）RSA密钥对 2048,2304,2560,...
K均值聚类
说明 如果是凸数据集的话可以不管这个值，如果数据集不是凸的，可能很难收敛，此时可以指定最大的迭代次数让算法可以及时退出循环。是 300[1,99999999]算法 自动：根据数据值是否是稀疏的，来决定选择“K-Means”或“elkan K-Means”。建议...
Beam使用（公测）
同时支持过滤条件下推，在特定的场景下，相对于通用压缩算法可以获得最高100X的扫描性能提升。示例 创建一个压缩算法为ZSTD 9级压缩的Beam表。CREATE TABLE beam_example(id integer,name text,ftime timestamp)USING beam WITH...
基于图算法实现金融风控
已知 Enoch 为信用用户，Evan 为欺诈用户，通过图算法可以计算其它人的信用指数，获得每个人为欺诈用户的概率，从而指导相关机构进行金融风控。数据集 本工作流数据集的具体字段如下。字段名 含义 类型 描述 start_point 边的起始节点 ...
梯度提升回归树算法（GBRT）
GBRT算法可以应用于流行病学。例如，有关于人的死亡率和发病率早期证据来自于回归分析的观察性研究。假设有一个回归模型，在回归模型中死亡率（或发病率）是需要拟合的变量 y_cols，则社会经济地位、教育或收入等可以做为其因变量。参数...
注册及管理密钥
哈希脱敏密钥：用于加盐哈希脱敏算法（例如加盐MD5），没有严格的格式要求，一般多种加盐哈希脱敏算法可以使用同一个密钥。加解密密钥：用于加解密算法（例如AES、DES等），有严格的格式要求。一般情况下，不同的算法不可以混用。加解密...
注册及管理密钥
哈希脱敏密钥：用于加盐哈希脱敏算法（例如加盐MD5），没有严格的格式要求，一般多种加盐哈希脱敏算法可以使用同一个密钥。加解密密钥：用于加解密算法（例如AES、DES等），有严格的格式要求。一般情况下，不同的算法不可以混用。加解密...
DBSCAN
该算法可以支持多大的数据量？数据量小于100万条，维度小于200。说明 如果数据量超出范围，建议先将数据分组，每个分组分别跑DBSCAN算法。一个中心点的聚类中心ID为什么是2147483648？因为该数据点为离散点，不属于任何一个聚类中心。附录2...
基于文本分析算法实现新闻分类
PAI提供的智能文本挖掘算法可以实现新闻文本分类自动化（包括分词、词型转换、停用词过滤、主题挖掘及聚类等流程）。本工作流首先通过PLDA算法挖掘文章的主题，然后进行主题权重聚类，从而实现新闻自动分类。说明 本工作流数据为虚构数据，...
分解类算法参数调优
istl-esd算法可以自动感知数据的周期长度。您也可以手动指定周期长度，例如指定周期长度为12小时，示例如下：SELECT xx,anomaly_detect(mean_duration,'istl-esd','frequency=1h,periods[0]=12h,reset_state=true')as res FROM xxx WHERE ...
签名机制
本算法可以用下面的 percentEncode 方法来实现：private static final String ENCODING="UTF-8;private static String percentEncode(String value)throws UnsupportedEncodingException { return value!null?URLEncoder.encode(value,...
签名机制
本算法可以用下面的 percentEncode 方法来实现：private static final String ENCODING="UTF-8;private static String percentEncode(String value)throws UnsupportedEncodingException { return value!null?URLEncoder.encode(value,...
签名机制
本算法可以用下面的 percentEncode 方法来实现：private static final String ENCODING="UTF-8;private static String percentEncode(String value)throws UnsupportedEncodingException { return value!null?URLEncoder.encode(value,...
自定义召回模型
这种算法可以帮助我们挖掘人与人以及商品与商品的关联关系。协同过滤算法是一种基于关联规则的算法，以购物行为为例。假设有甲和乙两名用户，有a、b、c三款产品。如果甲和乙都购买了a和b这两种产品，我们可以假定甲和乙有近似的购物品味。...
签名机制
本算法可以用下面的 percentEncode 方法来实现：private static final String ENCODING="UTF-8;private static String percentEncode(String value)throws UnsupportedEncodingException { return value!null?URLEncoder.encode(value,...
签名机制
本算法可以用下面的 percentEncode 方法来实现：private static final String ENCODING="UTF-8;private static String percentEncode(String value)throws UnsupportedEncodingException { return value!null?URLEncoder.encode(value,...
签名机制
本算法可以用下面的 percentEncode 方法来实现：private static final String ENCODING="UTF-8;private static String percentEncode(String value)throws UnsupportedEncodingException { return value!null?URLEncoder.encode(value,...
签名机制
本算法可以用下面的 percentEncode 方法来实现：private static final String ENCODING="UTF-8;private static String percentEncode(String value)throws UnsupportedEncodingException { return value!null?URLEncoder.encode(value,...
签名机制
本算法可以用下面的 percentEncode 方法来实现：private static final String ENCODING="UTF-8;private static String percentEncode(String value)throws UnsupportedEncodingException { return value!null?URLEncoder.encode(value,...
签名机制
本算法可以用下面的 percentEncode 方法来实现：private static final String ENCODING="UTF-8;private static String percentEncode(String value)throws UnsupportedEncodingException { return value!null?URLEncoder.encode(value,...
签名机制
本算法可以用下面的 percentEncode 方法来实现：private static final String ENCODING="UTF-8;private static String percentEncode(String value)throws UnsupportedEncodingException { return value!null?URLEncoder.encode(value,...
签名机制
本算法可以用下面的 percentEncode 方法来实现：private static final String ENCODING="UTF-8;private static String percentEncode(String value)throws UnsupportedEncodingException { return value!null?URLEncoder.encode(value,...
签名机制
本算法可以用下面的 percentEncode 方法来实现：private static final String ENCODING="UTF-8;private static String percentEncode(String value)throws UnsupportedEncodingException { return value!null?URLEncoder.encode(value,...
阈值检测
您无需手动为每一个应用/接口设置告警阈值，建议阈值 功能通过智能算法可以帮您快速完成设置。实现原理 当您单击 填入P4建议阈值 后，ARMS就会自动拉取每个应用、每个接口对应指标的历史3天数据，然后通过N-sigma算法计算每个指标历史3天的...
阈值检测
您无需手动为每一个应用/接口设置告警阈值，建议阈值 功能通过智能算法可以帮您快速完成设置。实现原理 当您单击 填入P4建议阈值 后，ARMS就会自动拉取每个应用、每个接口对应指标的历史3天数据，然后通过N-sigma算法计算每个指标历史3天的...
阈值检测
您无需手动为每一个应用/接口设置告警阈值，建议阈值 功能通过智能算法可以帮您快速完成设置。实现原理 当您单击 填入P4建议阈值 后，ARMS就会自动拉取每个应用、每个接口对应指标的历史3天数据，然后通过N-sigma算法计算每个指标历史3天的...
安全算法说明
加盐SHA256 输入增加盐值的算法SHA256，更加安全，可以有效防止撞库。哈希脱敏后结果是256位（长度为64的16进制字符）。加盐SHA384 输入增加盐值的算法SHA384，更加安全，可以有效防止撞库。哈希脱敏后结果是384位（长度为96的16进制字符）...
安全算法说明
加盐SHA256 输入增加盐值的算法SHA256，更加安全，可以有效防止撞库。哈希脱敏后结果是256位（长度为64的16进制字符）。加盐SHA384 输入增加盐值的算法SHA384，更加安全，可以有效防止撞库。哈希脱敏后结果是384位（长度为96的16进制字符）...
存储压缩
存储压缩可以有效帮助用户减少存储成本和I/O资源的消耗。使用方法 在创建Append-only列存表时，用户可以通过指定COMPRESSTYPE字段来指定压缩的类型。如不指定则数据不会进行压缩。目前支持三种压缩格式：zstd、zlib和lz4。用户可以通过指定...
CREATE TABLE
支持多种表属性，例如数据有效期TTL、压缩算法COMPRESSION等。您可以灵活搭配各种表属性和数据类型，设计出更贴合业务场景的表。引擎与版本 CREATE TABLE适用于宽表引擎和时序引擎。时序引擎自3.4.32版本开始支持标准CREATE TABLE语法。...
成本
压缩表可以有效节约存储空间，如果采用ZSTD压缩算法，可节约大约75%存储空间，即1GB的原始数据仅仅需要250MB左右的物理存储空间。如采用LZ4压缩算法，可节约大约60%的存储空间，即1GB的原始数据仅仅需要400MB的物理存储空间。通过存储压缩...
路由算法
定义 路由算法是减少路由时开销的一种算法，可以通过给逻辑库配置路由算法，实现条件定位查询，提高操作效率。说明 若未配置路由算法，则在对逻辑表的数据进行操作时，会遍历逻辑表对应的每一个物理表，整体操作时间会成倍增加。路由算法由...
异常检测
功能说明“异常检测”功能通过人工智能算法，可以识别您在云上消费费用的波动异常。同时，您还可对检测的结果进行评估反馈，从而辅助训练检测算法，提升算法检测的准确率。操作说明 登录“用户中心”，进入“成本管理-异常检测”，可以查看...
负载均衡
设置负载均衡 要使用某种特定的负载均衡算法，可以按照以下的方式进行设置：XML 方式 如果使用 XML 的方式引用服务，可以通过设置 sofa:global-attrs 标签的 loadBalancer 属性来设置负载均衡。以下示例以设置负载均衡算法为 roundRobin 为...
如何设置初始化时间窗口数量？
日志异常分析算法从创建任务时开始运行，其中算法模型需要经过一段时间的初始化训练后才能进行异常检测。您需要通过时间窗口数量和时间窗口长度指定合适的初始化时间。合适的初始化时间，可以使算法模式在初始化阶段分析到大多数的日志类别...
推荐解决方案综述
为了降低阿里云用户应用深度学习解决推荐问题的难度，PAI推出了EasyRec算法包，包含DeepFM、DIN、MultiTower及DSSM等经典推荐排序和召回算法，可以帮助您在PAI平台上快速训练推荐算法模型、验证模型效果及部署模型，详情请参见 使用EasyRec...
- 产品推荐
- 这些文档可能帮助您