BiPartiteMatching
二分图（BiPartite）是指图的所有顶点可分为两个集合，每条边对应的两个顶点分别属于这两个集合。对于一个二分图G，M是它的一个子图。如果M的边集中任意两条边都不依附于同一个顶点，则称M为一个匹配。二分图匹配（BiPartiteMatching）常...
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...
概述
拓扑任务是一种特殊的任务，是...在拓扑图中使用分片网关时，需要在分片网关的开始节点配置分片维度。拓扑任务执行过程中，会根据拓扑任务执行上下文获取对应的分片配置，动态生成需要执行的分片。使用方法，参见 使用分片网关。拓扑任务示例
算法建模
本文以逻辑回归二分类算法为例，为您介绍如何使用PAI Designer训练模型。前提条件 完成数据可视化，详情请参见 数据可视化。操作步骤 登录 PAI控制台，进入工作流页面。操作详情请参见 step1：进入工作流页面。构建逻辑回归二分类节点并...
横向二分类评估
支持使用单方或多方联合数据，评估横向二分类模型。组件截图 二、参数说明 参数名称 参数说明 标签字段 样本的label标签，用于当做Ground Truth，用于评估。单选。标签字段需与上游横向预测组件的特征字段所属方保持一致。正样本标签值 正...
评估模型
本文以评估二分类训练模型为例，为您介绍如何进行模型评估。前提条件 完成建模，详情请参见 算法建模。操作步骤 登录 PAI控制台，进入工作流页面。操作详情请参见 step1：进入工作流页面。构建预测节点。在组件列表中分别搜索 预测 组件，...
二分类评估
一、组件说明 二分类模型的评估任务，可以输出ACC值、AUC、KS值、ROC曲线等。组件截图 二、参数说明 参数名称 参数说明 标签字段 样本的label标签，用于当做Ground Truth，用于评估。单选。正样本标签值 正样本标签的原值或编码值，如：>50...
对称条形图
重要 在画布编辑器中添加BI分析组件时，图层栏内会自动在当前BI组件上方对应生成一个分析器，且需要提前创建数据集以供BI分析组件选择并配置使用，创建数据集和分析器交互使用说明详情，请参见 添加数据集 和 BI分析器交互使用说明。...
数据建模
在左侧组件列表，将 机器学习>二分类 下的 逻辑回归二分类 组件拖入画布中。通过连线，将 逻辑回归二分类-1 节点作为 拆分-1 节点 输出表1 端口的下游节点。单击画布中的 逻辑回归二分类-1 节点，在右侧 字段设置 页签，将 特征列 设置为 ...
横向预测
一、组件说明 横向预测组件是专门用于横向模型预测的组件，如横向逻辑回归二分类、横向MLP二分类等。输入为预测数据表和模型，输出为预测结果。支持使用单方或多方联合数据，获得横向模型预测结果。横向二分类和多分类模型预测结果包括...
创建安全联邦学习任务（任务模式）
包括 等频分箱、等距分箱、卡方分箱。处理类型选择分箱处理后，则不能再选择其他处理类型。每个字段只能选择一种分箱处理。数据编码：仅支持用于字符类型。包括 One-hot编码、Binary编码、WOE编码。单击 提交，完成任务的创建。步骤三：...
什么是图数据库GDB?
图数据库（Graph Database，简称GDB）是一种支持Property Graph图模型、用于处理高度连接数据查询与存储的实时、可靠的在线数据库服务。它支持Apache TinkerPop Gremlin查询语言，可以帮您快速构建基于高度连接的数据集的应用程序。图数据...
逻辑回归二分类
组件配置 您可以使用以下任意一种方式，配置逻辑回归二分类组件参数。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 训练特征列 输入数据源中，用于训练的特征列。支持DOUBLE及BIGINT类型。说明 特征...
配置图表标题区
热力图 线/面图 线图 面积图 堆积面积图 百分比堆叠面积图 组合图 柱/条图 柱图 堆积柱状图 百分比堆积柱状图 条形图 堆积条形图 百分比堆积条形图 环形柱状图 排行榜 瀑布图 动态条形图 饼/环形 饼图 玫瑰图 雷达图 矩形树图 气泡/散点 ...
BI分析模式的限制说明
推荐以分析模式创建的组件和子组件 当前支持分析模式创建的组件包括如下几个：BI分析组件：气泡图 柱状图 条形图 百分比柱状图 区间柱状图 瀑布图 仪表盘 玉珏图 百分比条形图 饼图 分类玫瑰 雷达图 说明 BI分析详细组件说明，请参见 BI...
常见问题
本文介绍在使用图数据库GDB过程中的常见问题。产品介绍 问：什么是图数据库GDB？答：GDB是Graph Database的简写。GDB是一种支持Property Graph图模型、用于处理高度连接数据查询与存储的实时、可靠的在线数据库服务。它支持Apache ...
基础概念
表：术语表 术语 概念 TPP 个性化算法开发平台（The Personalization Platform，简称），面向算法和工程同学，支持召回、在线预测等业务编排的开发平台，专注于推荐、搜索、广告行业。提供成熟的工程框架，...图一：代码实验 图二：配置实验
通过控制台使用二级索引
二级索引相当于把数据表的主键查询能力扩展到不同的列，使用二级索引能加快数据查询的效率。设置预定义列后，您可以在创建二级索引时将预定义列作为索引表的索引列或属性列。创建二级索引后，您可以使用二级索引进行数据查询。前提条件 已...
库表数太多导致实例卡顿或异常
迁移到分片集群实例并使用分片标签（Shard Tag）来管理 如果所有的集合都集中在一个库中，而且还希望通过一个逻辑上的数据库实例来管理的话，您可以考虑将数据迁移到分片集群架构并使用分片标签（Shard Tag）来进行管理。shard tag管理方式...
使用性能洞察
性能洞察页面示例图二 序号 参数 说明 ① AS：active session 当前活跃的会话个数。② AAS：average active session 一段时间内，AS的平均值。③ Max Vcores：8 当前实例的CPU个数。CPU事件超出该值可以认为存在性能瓶颈。性能图表 性能...
分片上传
在上传大文件（超过5 GB）到OSS的过程中，如果出现网络中断、程序异常退出等问题导致文件上传失败，您需要使用分片上传的方式上传大文件。分片上传通过将待上传的大文件分成多个较小的碎片（Part），充分利用网络带宽和服务器资源并发上传...
使用方法
说明 二次确认 的时间，不得大于 计划周期 时间，例如两个参数的取值如下：二次确认：每隔 15 分钟检测一次，连续发现 2 次后上报AI事件 计划周期：40 分 二次确认时间为15*2=30分钟，小于计划周期的40分钟。❷摄像头执行配置 摄像头执行...
NodeJs
script 方式与图数据库GDB交互外，您也可以使用 bytecode 方式与GDB交互，以下直接给出与上一节相同功能的代码，您可以直接用相同方法运行查看执行结果。同样您也需要替换图数据库GDB实例对连接参数到下面代码中。use strict;const ...
分片上传
OSS提供的分片上传（Multipart Upload）功能，将要上传的较大文件（Object）分成多个分片（Part）来分别上传，上传完成后再调用CompleteMultipartUpload接口将这些Part组合成一个Object来达到断点续传的效果。背景信息 当需要上传的文件较...
分类玫瑰图（v5.0及以上版本）
分类玫瑰图是饼图的一种，能够清晰智能地展示各类别的占比情况。分类玫瑰图支持图表外部的标签展示，支持分类型展示和多系列数据配置。本文介绍分类玫瑰图各配置项的含义。分类玫瑰图（v5.0及以上版本）组件的具体配置和BI分析组件模块中的...
分面散点图
使用限制 分面散点图由 Y轴/度量、X轴/度量 和 颜色图例/维度 组成：Y轴由数据的度量决定，最多选择1个度量。X轴由数据的度量决定，至少选择1个度量，最多选择3个度量。颜色图例由数据的维度决定，最多选择1个维度，并且维度下的最大值为...
图像超分
SDK参考 阿里云视觉AI图像生产类目下的图像超分能力推荐使用SDK调用，支持多种编程语言，调用时请选择AI类目为图像生产（imageenhan）的SDK包，文件参数通过SDK调用可支持本地文件及任意URL，具体可参见 SDK总览。示例代码 该能力常用语言...
MLP二分类/MLP多分类/MLP回归
一、组件说明 MLP二分类是指使用多层感知机（Multi-Layer Perceptron）进行二元分类问题的解决。多层感知机是一种前馈神经网络，通过多个神经元的组合对输入特征进行非线性变换和特征提取，最终输出一个连续的预测结果。在训练过程中，利用...
横向MLP二分类/MLP多分类/MLP回归
一、组件说明 横向MLP二分类是指使用多层感知机（Multi-Layer Perceptron）进行二元分类问题的解决。多层感知机是一种前馈神经网络，通过多个神经元的组合对输入特征进行非线性变换和特征提取，最终输出一个连续的预测结果。在训练过程中，...
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...例如，本项目中有成功建模的任务名为“1_横向虚拟关联_train算法”，其中有建模组件名字为“横向逻辑回归二分类”，则模型名字为“1_横向虚拟关联_train算法_横向逻辑回归二分类”，如下图所示：
分类玫瑰图（v4.x版本）
本文介绍 分类玫瑰图 的图表样式和配置面板的功能。重要 本文介绍v4.x版本的分类玫瑰图的配置项，如需查看v5.0及以上版本，请参见BI分析组件模块中的 分类玫瑰图。图表样式 分类玫瑰图是饼图的一种，能够清晰智能地展示各类别的占比情况。...
XGBOOST二分类
一、组件说明 XGBoost是一种基于梯度提升决策树（Gradient Boosting ...例如，本项目中有成功建模的任务名为“xgb_criteo_10w”，其中有建模组件名字为“XGBOOST二分类”，则模型名字为“xgb_criteo_10w_XGBOOST二分类”，如下图所示：
Quick BI v4.6.4版本说明
线图/柱图类、指标趋势图、散点图/气泡图、分面散点图的坐标轴样式支持配置标签与刻度范围。同环比-同期对比计算逻辑优化。数据大屏-可视化图表配置优化：翻牌器、阈值翻牌器、排行榜、明细表的条件格式支持对比动态字段。变更内容 模板...
分账账单
阿里云全站加速产品支持按域名颗粒度来分拆账单（即全站加速产品的分拆项ID对应全站加速产品的加速域名），您可以：使用 标签管理 功能给不同业务部门的域名打上不同的标签，从而可以在 分账账单 页面使用标签来过滤出某个业务部门的分拆...
通过火焰图定位性能瓶颈
当您的线上应用出现CPU、内存资源使用率高或大量慢调用问题时，可以通过ARMS持续剖析功能生成的火焰图对其进行根因定位。本文介绍如何通过持续剖析功能的火焰图定位性能瓶颈。什么是火焰图 火焰图（Flame Graph）是一种可视化程序性能分析...
使用ossfs上传大文件时提示“There is no enough disk...
场景二：分片大小和上传线程数量的参数设置错误。例如磁盘可用空间是300 GB，需上传的文件是100 GB。因操作错误，multipart_size被设置成了100 GB，上传线程数量是5。此时ossfs判断上传的文件就是 100 GB*5=500 GB，超过了磁盘安全空间。...
分账账单
阿里云CDN产品支持按域名颗粒度来分拆账单（即CDN产品的分拆项ID对应CDN产品的加速域名），您可以：使用 标签管理 功能给不同业务部门的域名打上不同的标签，从而可以在 分账账单 页面使用标签来过滤出某个业务部门的分拆账单金额。...
压力预估图
虚拟用户自动递增模式下的压力预估图 以压测场景中是否使用数据导出指令为例，对压力预估图进行说明。未使用数据导出指令时，全部业务会话同时发起压测。压力预估图说明：压测量级（图标 ①）：自动递增模式下，全场景虚拟用户数按照递增...
服务条款
欢迎使用图计算服务，目前图计算服务为公测阶段，因此在开始使用前，请你仔细阅读 阿里云服务试用条款 的全部内容。
动态特征提取
支持8种计算方式，包括最大值、最小值、平均值、标准差、线性趋势、变化趋势、一阶差分和二阶差分。计算逻辑原理 最大值：取采样数据序列的最大值，作为输出。最小值：取采样数据序列的最小值，作为输出。平均值：取采样数据序列的平均值，...
- 产品推荐
- 这些文档可能帮助您