诊断决策树
单击 新建，在 创建诊断决策树 页面，配置诊断决策树信息，包括决策树名称、描述，超时时间以及标签。单击 确认。编辑诊断决策树，否则节点将无法执行。单击目标诊断决策树名称进入详情页，开始编辑决策树。单击 添加初始节点，在右侧窗口...
诊断报告
执行诊断决策树时，系统会生成对应的诊断报告，记录诊断的执行信息。你可以在 诊断报告 页面查看所有诊断决策树的执行记录，包括诊断决策树名称、触发方式、诊断状态、创建时间、状态概要、结果概要以及诊断结果。在左侧导航栏上，单击 ...
XGBOOST回归
一、组件说明 XGBoost是一种基于梯度提升决策树（Gradient Boosting Decision Tree）的机器学习算法。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...
GBDT二分类预测V2
GBDT二分类预测V2组件提供了针对GBDT二分类V2组件的预测功能，使用梯度提升决策树(Gradient Boosting Decision Trees)算法，对数据进行二分类问题的预测。本文介绍GBDT二分类预测V2组件的配置方法。支持计算资源 支持的计算引擎为...
XGBOOST多分类
一、组件说明 XGBoost是一种基于梯度提升决策树（Gradient Boosting Decision Tree）的机器学习算法。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...
功能特性
风险场景 风险场景 是针对特定风险事件进行集中化处理的模块，风险场景中包含了处理风险事件所需要诊断决策树、应急预案、业务影响等信息。目前应急场景升级后，需要将风险场景和应急响应联动，所以需要添加更多属性。日常巡检 日常巡检 是...
梯度提升回归树算法（GBRT）
前向分布算法的思想是基于当前模型和拟合函数来选择合适的决策树函数，从而最小化损失函数。GBRT主要有以下两部分组成：回归树（Regression Tree（RT））：回归树是决策树类别之一，用来预测实际值。GBRT算法是一种迭代的回归树算法，由多...
梯度提升决策树算法（GBDT）
本文介绍了梯度提升决策树算法（Gradient Boosting Decision Tree，下文简称GBDT）相关内容。简介 GBDT是一款基于梯度提升的决策树算法。可解释性强，预测速度快。同时，GBDT算法相比于其它算法需要更少的特征工程，可以不用做特征标准化，...
Quick BI趋势分析表如何配置树形展示
概述 本文描述了Quick BI趋势分析表如何配置树形展示。详细信息 在字段配置中选择批量配置，添加树形结构即可。适用于 适用产品：Quick BI 适用版本：公共云专业版
树形容器
属性配置 树形容器组件属性由以下部分组成：分类 基础属性 说明 属性 只读 通过设置树形容器组件为只读状态，可以实现树形容器组件及其内部拥有只读属性的组件的不可操作状态。默认展开 未勾选默认展开时，在实际页面加载时，树形容器所有...
Quick BI配置树形下拉查询控件时选不到SQL参数
问题描述 为什么在配置树形下拉的查询控件时，查询值字段选不到SQL参数？解决方案 因为查询值是从数据集中获取的，而数据集中的数据是存放在对应字段下的。SQL参数相当于一个占位符，本身不存储任何数据，所以这里不能选到SQL参数。适用于 ...
Quick BI v5.0.3版本说明
仪表板图表能力强化 交叉表配置树形展示后，支持按展开层级导出树形结构。移动端交叉表支持组内排序方式。数据卡片功能优化 支持从门户中收藏数据卡片。数据卡片通过复制链接分享时，在钉钉群中可直接展示卡片内容。数据门户协同授权支持在...
树深度
配置组件 方法一：可视化方式 在Designer工作流页面添加 树深度 组件，并在界面右侧配置相关参数：参数类型 参数 描述 字段设置 输入边表的起点所在列 边表的起点所在列。输入边表的终点所在列 边表的终点所在列。执行调优 进程数量 作业...
漏斗图
具体每个系列下的条件样式配置说明，请参见 条件树使用说明。颜色：打开开关，配置该系列条件样·式中的漏斗梯形块的颜色；关闭开关，无法配置该系列条件下的漏斗梯形块的颜色。数据源面板 字段 说明 type 用于配置漏斗图中每个梯形块的...
模型可视化
决策树 系统展示Top10个重要树信息，单击决策树对应编号，可以查看决策树信息详情。树上的每个非叶子节点，代表的是当前决策需要用到的特征。每个树顶端的节点是这个树决策的第一个特征，根据该特征的取值不同分支向左（不高于阈值）或向右...
梯度提升决策树
本文为您介绍梯度提升决策树组件。功能说明 GBDT（Gradient Boosting Decision Tree）是一种迭代的决策树算法，由多棵决策树组成，是进行多分类的算法模型。梯度提升采用连续的方式构造树，每棵树都试图纠正前一棵树的错误。默认情况下，...
创建安全联邦学习任务（任务模式）
参数 描述 算法分类 支持的算法分类为FL决策树、FL线性回归、FL逻辑回归、FL深度学习。FL决策树支持的算法为 XGBoostWithDp:Decision_Tree，用于二分类、多分类、回归。FL线性回归支持的算法为 LinearRegressionWithHe:Linear_Regression_...
风险场景
关联诊断决策树 选填 手动选择诊断决策树。如需新增诊断决策树，请参见 新建诊断决策树。添加触发项 选填 可选 巡检规则 或 监控规则。如果选择 巡检规则，则需要选择对应的关联规则。如需新增巡检规则，请参见 新建规则。如果选择 监控...
决策树
本文为您介绍决策树组件。功能说明 决策树是一种用于分类和回归的非参数监督学习方法。目标是创建一个模型，通过学习从数据特征推断出的简单决策规则来预测目标变量的值。一棵树可以看作是分段常数近似。决策树组件支持使用决策树算法对...
XGBOOST二分类
一、组件说明 XGBoost是一种基于梯度提升决策树（Gradient Boosting Decision Tree）的机器学习算法。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...
诊断节点
诊断节点是诊断决策树的子节点，通过节点之间的关联，实现一棵完整的决策树。新建节点 登录高可用管理控制台。在左侧导航栏上，单击 故障诊断>诊断节点。单击 新建，在 新建节点 页面，配置新节点的信息，包括节点名称、描述，选择节点类型...
GBDT二分类V2
梯度提升决策树(Gradient Boosting Decision Trees)二分类，是经典的基于梯度提升（Gradient Boosting）的有监督学习模型，可以用来解决二分类问题。支持计算资源 支持的计算引擎为MaxCompute。算法简介 梯度提升决策树(Gradient Boosting ...
FE参数配置
命令结果中的IsMutable列查看是否支持动态配置。如果是修改MasterOnly的配置项，则该命令会直接转发给Master FE并且仅修改Master FE中对应的配置项。通过该方式修改的配置项将在FE进程重启后失效。更多该命令的帮助，可以通过 HELP ADMIN ...
Quick BI事件功能为灰色无法选中
问题描述 Quick BI事件功能为灰色无法选中。问题原因 图表样式中配置了树形展示，目前事件不支持和树形展示共同配置。解决方案 将树形展示改为平铺展示。适用于 公共云 Quick BI
随机森林
随机森林就是通过集成学习的思想将多棵树集成的一种算法，它的基本单元是决策树，而它的本质属于机器学习的一大分支——集成学习（Ensemble Learning）方法。计算逻辑原理 随机森林就是种了很多决策树，对输入向量进行分类（回归）。每一棵...
场景风控在决策引擎的应用实践
决策结果配置为“拒绝”。验证 您可以在 风险识别OpenAPI 对配置完成的事件进行验证。以下示例可供参考。入参代码示例 {"eventCode":"de_example","mobileMd5":"*","ip":"*.*.*.*","deviceToken":"*"} 出参代码示例 {"Message":"OK",...
文本审核服务在决策引擎中的应用
文本审核增强版支持在决策引擎服务中集成，通过决策引擎服务透传内容安全检测结果，降低您业务的对接成本。本文介绍如何在决策引擎中应用文本审核服务。支持的业务场景 当前决策引擎服务集成了2项常用的内容安全文本审核服务，即nickname_...
风险识别包年包月
事件数 决策引擎上配置的自定义事件数量。上限20个。上限50个。上限100个。上限200个。策略数 决策引擎上配置的自定义策略数量。上限100条。上限200条。上限500条。上限1000条。自定义名单数 决策引擎上配置的自定义黑白名单数量。上限10个...
配置项设置说明
您也可以在 配置预览 页面中，单击选中一个具体配置项，单击在上方的 在左侧树中定位当前配置项 处，即可在左侧目录树中快速定位并高亮展示该配置项内容。可视化应用中查看并使用样式面板 在区块编辑器中设置完组件配置项后，您可以在画布...
内容安全文本审核服务在决策引擎中的应用
决策引擎集成了阿里云 内容安全文本审核增强版服务，您可通过决策引擎直接使用内容安全服务，降低对接成本，并实现内容安全服务的灵活使用及攻防对抗。背景信息 决策引擎集成了2项常用的 内容安全文本审核service，每项文本审核service通过...
配置项设置说明
您也可以在 配置预览 页面中，单击选中一个具体配置项，单击在上方的 在左侧树中定位当前配置项 处，即可在左侧目录树中快速定位并高亮展示该配置项内容。可视化应用中查看并使用样式面板 在区块编辑器中设置完组件配置项后，您可以在画布...
性能指标
算法类型 数据规模 特征规模 任务类型 任务平均运行时间 决策树-XGBoostWithDp 100万 2000维*2000维 训练 180分钟 决策树-GBDTWithDp 500万 100维*100维 训练 15分钟 线性回归-LinearRegressionWithHe 100万 100维*100维 训练 150分钟 逻辑...
条件树使用说明
条件树结构 条件树采用两层嵌套的 并且 或者 或者 连接各个条件，以便组合成各种复杂的逻辑判断（使用合取范式或者析取范式可以组合出任意条件），具体使用详情可参见 配置筛选器。条件树示例说明 条件树常用于指定满足特定要求的图元的...
条件树使用说明
条件树用于指定特定逻辑判断，用于组件进行条件样式修改或者设置...单击打开条件样式下方的 开关，在当前条件样式面板中，配置条件树样式，设置指定条件如下图所示，将 y>6 且 shapeField=家具 的气泡点设置为绿色填充、白色粗边框的样式。
随机森林
随机森林是一个包括多决策树的分类器，其分类结果由单棵树输出类别的众数决定。组件配置 您可以使用以下任意一种方式，配置随机森林组件参数。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...
呼吸气泡层（v4.x版本）
具体样式配置说明，请参见 条件树使用说明。图形：打开开关，配置该样式中的图形配置项；关闭开关，无法配置该样式下的图形配置项。参数 说明 气泡半径 设置呼吸气泡的半径大小值，可通过 图标，确认在符合当前条件时是否应用当前样式。...
LightGBM
lightgbm是一个梯度Boosting框架，使用基于决策树的学习算法。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...
特征编码
功能介绍 特征编码由决策树和Ensemble算法挖掘新特征的一种策略，特征来自一个或多个特征组成的决策树叶子结点的one-hot结果。例如，下图有三棵树，共有12个叶子结点。根据树的顺序依次编码为0~11号特征，其中第一棵树的叶子结点占据0~3号...
树形控件
配置项 说明 树形控件配置 设置是否选中树的线条和展开所有节点。默认均选中。树形控件样式 设置组件背景颜色。调整组件在页面中的最终位置。有关组件通用样式配置的更多信息，请参见 样式配置。步骤四：配置交互动作 选中组件的 交互 页签...
树型选择
配置项 说明 树型选择配置 设置默认提示、是否显示边框、是否支持输入查询、多选和展开所有节点。清除 是否支持多选 复选框时，支持设置是否 显示清空按钮。选中 是否支持多选 复选框后，显示并选中 支持选中父节点，隐藏 显示清空按钮。在...
- 产品推荐
- 这些文档可能帮助您