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 ...
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...
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，...
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 ...
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_...
意图
在意图的问法配置中，给意图添加用户问法和问法模板。输入完成后，enter可快捷添加问法。在问法模板中，有时需要配置槽位参数，这时需要我们先创建全局槽位，槽位名称我们可以自定义，然后在识别方法中选择自建或系统内置的实体，根据槽位...
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...
2023年1月5日 V5.10版本产品更新通告
支持查看根据查询条件检索到的用户问法数量 测试/正式环境：测试环境切换到正式环境提示 新增 涉及表格管理、表格问答配置、FAQ管理、闲聊管理、全局服务、全局指令、全局敏感词、全局名词、图谱管理、实体管理、问法配置、文档管理、文件...
LGF问法配置
LGF问法配置说明 问法模板 该文档主要介绍意图配置中问法模板的配置：LGF配置思路（1）汇总说法：可以模拟或联想真实场景中用户的问法或从原始语料中获取（2）选定核心词：能确认命中意图的关键词（3）核心词扩展：添加同义词，丰富语料...
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
意图管理
在意图的问法配置中，给意图添加用户问法和问法模板。输入完成后，enter键可快捷添加问法。2.2、用户问法 用户问法：用户表达该意图的各种不同的表述方式，用户问法应更多覆盖各类不同的表述方式 相似的表达方式，比如：半个小时之后、一个...
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...
GBDT回归
梯度渐进回归树GBDT（Gradient Boosting Decision Tree）是一种迭代决策树算法，适用于线性及非线性回归场景。组件配置 您可以使用以下任意一种方式，配置GBDT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 ...
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，...
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...
地图容器（v3.x版本）
地图容器是3D平面地图（v3.x版本）组件中用于承载地图本身和各子组件的容器，支持添加标签层、单点柱状层、呼吸气泡层等子组件，支持配置地图的通用、自然、地形和装饰样式，能够多角度、多形式地渲染平面地图的3D效果。本文介绍3D平面地图...
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...
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 ...
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...
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...
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...
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...
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...
PS-SMART回归
树数量 配置为 5。在画布中单击 预测-1 组件，在右侧配置如下表中的参数，其余参数使用默认值。页签 参数 描述 字段设置 特征列 默认全选，多余列不影响预测结果。原样输出列 选择为 label 列。稀疏矩阵 选中 稀疏矩阵 复选框。key与value...
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",...
PS-SMART多分类
树数量 需要配置为树数量，正整数，树数量 和训练时间成正比。树最大深度 默认值为5，即最多32个叶子节点。数据采样比例 构建每棵树时，采样部分数据进行学习，构建弱学习器，从而加快训练。特征采样比例 构建每棵树时，采样部分特征进行...
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_...
PS-SMART二分类训练
参数设置 评估指标类型 支持以下几种类型：negative loglikelihood for logistic regression binary classification error Area under curve for classification 树数量 需要配置为树数量，正整数，树数量 和训练时间成正比。树最大深度 ...
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...
- 产品推荐
- 这些文档可能帮助您