查看仪表盘
接入机器的配置数据和监控指标数据后，SREWorks数智服务会基于您的指标数据，自动生成相应的仪表盘，便于您查看集群总览指标和单机指标详情，进行机器热点分析和聚类分析等。前提条件 已接入机器的配置数据和监控指标数据。具体操作，请...
常见问题
本文介绍SREWork应用的常见问题。错误信息：Query exceeded local memory limit of 3GB（查询A）错误原因 当前查询和分析语句所使用服务端的内存超过3 GB...解决方法 建议精简聚类分析指标数量和缩短聚类分析的时间周期（一般建议在1h以内）。
使用前须知
聚类分析：包括单指标维度的机器热点分析和多指标维度的机器聚类分析。提供数据规范：指标数据规范详情，包括指标标签和指标定义。功能优势 简单：一站式开通、数据规范明确、数据接入和使用门槛低。高效：秒级聚类、高效可靠。灵活：不仅...
无监督聚类函数
根据 输出数据 画图，如下右图显示，原本在聚类类别之外的点也被纳入到聚类类别之中，便于分析一些离散在聚类中心的用户数据对于整体画像刻画的影响。如果eps设置过大，会让两个类别之间的边界变得不够清晰，影响最终的聚类结果。配置min_...
K均值聚类
功能说明 K均值聚类是一种矢量量化方法，在数据挖掘的聚类分析中很流行。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...
K均值聚类算法（K-Means）
该算法原理为：先将数据分为K组，随机选取K个对象作为初始的聚类中心，然后计算每个对象与各个种子聚类中心之间的距离，将每一个对象分配给距离它最近的聚类中心，聚类中心以及分配给它们的对象就代表一个聚类。即K-Means算法将输入表的...
气泡图
聚类分析 聚类分析会根据X轴和Y轴的度量分布对相似度量数量进行聚类显示，开启聚类分析后颜色字段会被替换为聚类。说明 聚类分析 功能目前处于Beta版本，且 X 轴和Y轴都为度量且未配置播放轴时才能开启聚类分析。使用限制 气泡图由 Y轴/...
散点图
聚类分析 聚类分析会根据X轴和Y轴的度量分布对相似度量数量进行聚类显示，开启聚类分析后颜色字段会被替换为聚类。说明 聚类分析 功能目前处于Beta版本，且 X轴和Y轴都为度量并未配置播放轴时才能开启聚类分析。使用限制 散点图由 Y轴/度量...
机器学习
聚类问题：提供K-Means算法实现聚类分析；关联分析：提供Apriori算法实现关联分析，解决如“啤酒与尿布”的关联问题；时序分析：提供ARIMA自回归移动平均模型预测时间序列数据的未来值；其他：数据降维如通过PCA主成分分析模型来提炼主因子...
分析预警
本文为您介绍辅助线、趋势线、预测、异常检测、波动原因、聚类六种 分析方式。背景信息 分析预警支持从多个角度对当前数据进行分析，通过该功能可以直观了解数据的变化趋势和异常点。分析预警目前支持辅助线、趋势线、预测、异常检测、波动...
使用日志聚类
开启日志聚类后，您可以在 日志聚类 页签中进行日志聚类和查看聚类结果。本文介绍支持在 日志聚类 页签对日志进行的常用操作。日志聚类界面 日志聚类功能支持在采集日志时，将相似度高的日志聚合，提取共同的日志模式（Pattern），快速掌握...
概述
一次配置即可实现可视组件高级过滤、高级控制、联动、钻取、分享等操作，帮助业务人员快速完成对比、地理分析、分布、趋势以及聚类等分析和决策。自动布局的仪表盘，适用于大多数通过快速配置即可查看和分享的可视化报表。自由布局的大屏，...
日志聚类
本文介绍日志聚类功能及其操作，包括开启日志聚类、查看聚类结果和原始日志、对比不同时间段的聚类日志数量等。前提条件 已创建Standard Logstore。具体操作，请参见 创建Logstore。已采集日志。具体操作，请参见 数据采集。已配置索引。...
数据可视化概览
一次配置即可实现可视组件高级过滤、高级控制、联动、钻取、分享等，帮助业务人员快速完成对比、地理分析、分布、趋势以及聚类等分析和决策。自动布局的仪表盘，适用于大多数通过快速配置即可查看和分享的可视化报表。自由布局的大屏，适用...
算法说明
哈希聚类算法 哈希聚类算法基于日志聚类功能，日志聚类功能对日志数据进行在线聚类，哈希聚类算法在 日志聚类 结果的基础上进行二次聚类，同时持续分析、监控日志数据。哈希聚类算法不依赖外部日志模板库。相似度匹配算法 相似度匹配算法...
聚类分片全链路测试
测试结论 Proxima CE在不同的数据集上，针对不同的采样率、聚类中心点个数以及索引分片个数，观察聚类分片方式的召回情况与耗时情况，经测试验证Proxima CE聚类分片的正确性测试符合预期。以下是几条经验准则：聚类中心点个数与召回呈正...
QueryLocationDateClusters-查询时空聚类
location-date-cluster-71dd4f32-9597-4085-a2ab-3a7b0fd0aff9 Title string 否 时空聚类的标题，模糊匹配。杭州 Address Address 否 地址信息。LocationDateClusterLevels array 否 要查询的时空聚类分组的行政级别。string 否 分组行政...
横向聚类
一、组件说明 横向聚类组件是横向场景下的一种无监督机器学习算法，用于将n个数据点分成k个簇，使得簇内的数据点具有高度相似性。聚类算法通过度量数据点之前的相似性或距离来确定数据点之间的关系，将相似的数据点划分到同一簇中。适用于...
DBSCAN聚类
本文为您介绍DBSCAN聚类组件。功能说明 DBSCAN（Density-Based Spatial Clustering of Applications with Noise，具有噪声的基于密度的聚类方法）是一种基于密度的空间聚类算法。DBSCAN 的核心概念是 core samples,是指位于高密度区域的...
GMM聚类
本文为您介绍GMM聚类组件。功能说明 GMM（Gaussian Mixture Model）是一个将事物分解为若干的基于 高斯概率密度函数（正态分布曲线）形成的模型，混合高斯分布（MoG）由多个混合成分组成，每一个混合成分对应一个高斯分布。当聚类问题中...
人脸聚类
使用人脸聚类功能，你可以将媒体集中存在相似人脸的多张图片进行分组，可用于网盘的人脸相册、家庭监控的陌生人检测、甚至新零售的顾客管理等场景。人脸聚类后，您可以根据人脸分组查询对应人员的所有图片信息。重要 此文档已不再维护，...
CreateSimilarImageClusterTask-创建相似图片聚类任务
使用步骤：创建相似图片聚类任务 通过 GetTaskStatus 接口查询相似图片聚类任务是否执行完成 通过 SearchSimilarImageClusters 接口获取相似图片聚类结果 同一 drive 同一时刻只能有一个相似图片聚类任务运行，若上一任务未结束，再次调用...
聚类模型评估
基于原始数据和聚类结果，评估聚类模型的优劣性，从而输出评估指标。使用限制 仅原PAI-Studio平台支持查看该组件的可视化报告。背景信息 评估指标Calinski-Harabasz又称VRC（Variance Ratio Criterion），其计算公式如下。参数 描述 SS B ...
Proxima Cluster参数
1.聚类 1.1 KmeansCluster/BatchKmeansCluster 参数名 类型 默认值 备注 proxima.general.cluster.count UINT32 0 中心点数量 proxima.kmeans.cluster.count UINT32 0 中心点数量，优先级高于 general，低于 suggest 的 K 值 proxima....
横向聚类评估
一、组件说明 横向聚类模型的评估任务，可以输出轮廓系数、Calinski Harabaz等指标。支持使用单方或多方联合数据，评估横向聚类模型。组件截图 二、参数说明 参数名称 参数说明 预测结果列 预测回归值predict_result，整型输出。
创建相似图片聚类任务
相似图片聚类功能，可以将您已索引到数据集内的图片按照相似度生成聚类，用于图片去重、选优等场景，例如可以通过该功能筛选相册中连拍的图片。接口说明 请确保在使用该接口前，已充分了解智能媒体管理产品的收费方式和 价格。调用该接口前...
图片管理常见问题
CreateFigureClusteringTask-创建人物聚类任务 接口为增量分组接口，您可以在一批图片完成索引后，一次性调用CreateFigureClusteringTask接口来进行批量聚类。推荐如下两个方案：简单方法：对每一个数据集，每隔固定间隔（例如5分钟）调用...
MaxCompute K均值聚类最佳实践
本文为您介绍如何通过提交一个使用MaxCompute计算资源的超参数调优实验，来运行K均值聚类和聚类模型评估组件，以获取K均值聚类组件算法的较优超参数组合。步骤一：准备数据 您可以参考 聚类模型评估 中的示例来准备测试数据和评估数据。本...
K均值聚类
K均值聚类首先随机选择K个对象作为每个簇的初始聚类中心，然后计算剩余对象与各簇中心的距离，将其分配至距离最近的簇，再重新计算每个簇的聚类中心。该算法假设聚类对象为空间向量，且以各聚类内部的均方误差和最小为目标，不断地进行计算...
聚类分片
Proxima CE支持使用聚类分片方式检索任务，本文为您介绍聚类分片检索功能的使用方法及示例。前提条件 已安装Proxima CE包并准备输入表，详情请参见 安装Proxima CE包。基本原理 Proxima CE在检索时有两种划分数据分片的方式：哈希分片与聚...
人脸聚类相关问题
本文介绍了在使用人脸聚类过程中可能遇到的问题。重要 此文档已不再维护，建议您使用新版智能媒体管理。关于智能媒体管理新版与旧版的对比，请参见 新旧版本使用指引。关于新版智能媒体管理人脸聚类的常见问题，请参见 图片管理常见问题。...
CreateGroupFacesJob-人脸聚类
group-not-grouped：该人脸暂未进行过聚类操作，即在媒体集中新增图片后，未进行人脸聚类。group-none-by-user：由用户手动操作，记录该人脸无合适的分组，后续在媒体集中新增图片后进行人脸聚类操作时，该人脸仍不会被分组。人脸聚类功能...
ST_ClusterDBSCAN
返回聚类结果ID的窗口函数，此函数基于二维的DBSCAN算法（Density-based spatial clustering of applications with noise）计算聚类。语法 语法一：integer ST_ClusterDBSCAN(geometry winset geom,float8 eps,integer minpoints);语法二：...
ST_ClusterDBSCAN
返回聚类结果ID的窗口函数，此函数基于二维的DBSCAN算法（Density-based spatial clustering of applications with noise）计算聚类。语法 语法一：integer ST_ClusterDBSCAN(geometry winset geom,float8 eps,integer minpoints);语法二：...
UpdateFigureCluster-更新人物聚类
更新一个人脸聚类分组的信息，可以更新分组的名称、标签等信息。接口说明 请确保在使用该接口前，已充分了解智能媒体管理产品的收费方式和 价格。调用该接口前，请确保您已通过创建人物人脸聚类任务（CreateFigureClusteringTask）将数据...
ST_ClusterDBSCAN
返回聚类结果ID的窗口函数，此函数基于二维的DBSCAN算法（Density-based spatial clustering of applications with noise）计算聚类。语法 语法一：integer ST_ClusterDBSCAN(geometry winset geom,float8 eps,integer minpoints);语法二：...
QuerySimilarImageClusters-查询相似图片聚类
查询相似图片聚类列表信息。接口说明 请确保在使用该接口前，已充分了解智能媒体管理产品的收费方式和 价格。调用该接口前，请先通过 CreateSimilarImageClusteringTask 接口对数据集中的图片进行相似图片聚类。调试 您可以在OpenAPI ...
Figure
包括如下保留的特殊聚类 ID 命名：figure-cluster-id-independent：该人脸暂无合适的分组，后续在数据集中新增图片后进行人脸聚类操作时，该人脸可能被分入组中。figure-cluster-id-unavailable：该人脸暂未进行过聚类操作，即在数据集中...
DBSCAN
DBSCAN（Density-Based Spatial Clustering of Applications with Noise）是一种基于密度的聚类算法。它将簇定义为密度相连的点的最大集合，把具有足够高密度的区域划分为簇，可以在噪声的空间数据集中发现任意形状的聚类。您可以使用...
CreateFigureClusteringTask-创建人物人脸聚类任务
创建一个人物人脸聚类任务，通过智能算法，可以在您已索引到数据集的图片中，将属于不同人物的人脸进行聚类分组。接口说明 请确保在使用该接口前，已充分了解智能媒体管理产品的收费方式和 价格。调用该接口前，请确保您已通过绑定方式...
- 产品推荐
- 这些文档可能帮助您