概念解释
模型中心模块核心概念解释如下表所示：模块 概念 解释 训练数据 训练集 调优所用的数据集，格式一般为Prompt+Completion的文本数据，可通过Excel进行编辑和上传，最小训练数据条数为20，最大训练数据条数为10000，一条训练数据Prompt+...
梯度提升决策树
剩余部分作为训练集。是 随机 随机 头部 尾部 特征重要性展示特征数 模型特征重要性展示时，实际展示的特征个数。只展示最重要的n个特征，默认10。若设置的展示数小于实际特征数，则展示实际特征数。是 10[1,20]其他参数 参数名 参数描述 ...
高斯过程回归
剩余部分作为训练集。是 随机 随机 头部 尾部 其他参数 参数名 参数描述 模型结果 可以查看建模成功后的模型评价结果或发布模型。内核：高斯核、二次有理核 参数名 参数描述 是否必填 参数默认值 参数范围 尺度 内核的长度尺度。否 1.0[0,...
随机森林
是 0.2[0,1]测试集生成方式 根据选定方式，选取部分数据作为测试集，剩余部分作为训练集。随机：按比例随机从输入数据中截取n条数据作为测试集。头部：按比例将输入数据前n条数据作为测试集。尾部：按比例将输入数据后n条数据作为测试集。...
决策树
是 0.2[0,1]测试集生成方式 根据选定方式，选取部分数据作为测试集，剩余部分作为训练集。随机：按比例随机从输入数据中截取n条数据作为测试集。头部：按比例将输入数据前n条数据作为测试集。尾部：按比例将输入数据后n条数据作为测试集。...
支持向量机
是 0.2[0,1]测试集生成方式 根据选定方式，选取部分数据作为测试集，剩余部分作为训练集。随机：按比例随机从输入数据中截取n条数据作为测试集。头部：按比例将输入数据前n条数据作为测试集。尾部：按比例将输入数据后n条数据作为测试集。...
工作原理
训练集的时间长度需大于12天，因为模型训练任务需要历史一周的数据做为特征工程的前提条件；验证集长度需大于3天，因为需要三天的数据给出验证报告，更好地说明模型的拟合程度、鲁棒性以及表现水平。特征工程：包括同环比特征、平移特征、...
创建安全联邦学习任务（任务模式）
数据集比例划分：用于按比例随机划分训练集和测试集。单击 下一步，配置数据处理参数。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...
基于回归算法实现农业贷款发放预测
区域 描述 ① 读数据表读入的数据为工作流数据集，包括：贷款训练集：共一百条历史贷款数据，包括 farmsize 及 rainfall 等特征，用于训练回归模型。其中 claimvalue 表示贷款收回的金额。贷款预测集：共七十一人，指今年申请贷款者。其中 ...
模型训练
返回值定义 history：训练结果的历史记录，包括全局聚合的性能指标、本地训练集性能指标和验证集性能指标。History 结果示例 {"alice":{"loss":[0.14,0.12],"accuracy":[0.85,0.87]},"bob":{"loss":[0.14,0.12],"accuracy":[0.85,0.87]},"_...
梯度提升回归树
剩余部分作为训练集。是 随机 随机 头部 尾部 特征重要性展示特征数 模型特征重要性展示时，实际展示的特征个数。只展示最重要的n个特征，默认10。若设置的展示数小于实际特征数，则展示实际特征数。是 10[1,20]其他参数 参数名 参数描述 ...
最佳实践-基于本地Function定制百炼应用
在阿里云百炼平台上，模型训练具体步骤如下：1.*准备训练集数据*：首先，你需要准备符合要求的训练数据，这些数据应反映你希望模型学习的知识或技能。支持的文件格式包括jsonl、xls、xlsx等，且数据集至少包含40条内容。你可以在“训练数据...
图像检测训练（easycv）
假如为空，使用工作空间默认路径 无 训练集标注结果文件路径 否 如果 数据源格式 是 PAI标注格式，则提供文件后缀名为manifest的文件。如果 数据源格式 是 COCO格式，则提供后缀名为.json的文件。如果通过了输入桩配置算法组件的标注训练...
人工神经网络
是 0.2[0,1]测试集生成方式 根据选定方式，选取部分数据作为测试集，剩余部分作为训练集。随机：按比例随机从输入数据中截取n条数据作为测试集。头部：按比例将输入数据前n条数据作为测试集。尾部：按比例将输入数据后n条数据作为测试集。...
结果字段说明
statistic.train_data_meta.train_anomaly_num 该实体下训练集的异常点个数。statistic.train_data_meta.train_data_length 该实体下训练集的长度。statistic.evaluation_data_meta.evaluation_anomaly_num 该实体下验证集的异常点个数。...
2024年产品更新公告
模型数据 模型数据支持创建不同数据类型的数据集，包括训练集、评测集，支持多版本数据管理，发布后可前往模型调优/评测功能使用。全新多版本模型数据管理能力，更高效的管理机制。优化数据展示、数据配置逻辑。知识索引 创建和管理用于RAG...
LightGBM算法
automl_column 自动调参用来区别训练集和开发集的列名。使用时需要指定 automl_column 和 automl_test_tag，建议 automl_train_tag 的数据数量比 automl_test_tag 的数据数量多4～9倍。说明 当设置 automl_column 参数值后，会开启自动搜索...
保障离线在线一致性的CTR预估方案
数据集 Avazu是经典的CTR点击率预估数据集，PAI使用了Avazu的一个子集（包括20万条样本数据：训练集16万条；预测集4万条）构建点击率预估流程。数据详情请查看 Avazu，具体的字段如下。列名 类型 描述 id STRING 广告ID click DOUBLE 是否...
部署及微调Qwen-72B-Chat模型
在这一算法组件中，我们提前对模型Checkpoint进行了切分，适配多机多卡环境训练，开发者只需根据格式要求准备训练集和验证集，配置任务超参数或使用模型预置的默认超参，就可以一键拉起微调训练任务。训练算法支持使用JSON格式输入，每条...
人物形象训练API详情
人物形象训练 说明 支持的领域/任务：aigc/facechain人物写真生成 对上传的图像...facechain-finetune training_file_ids Array Body 是 训练集文件列表，此处使用前述准备好的训练文件，支持url、file_id及两者混合"training_file_ids":[...
人物形象训练API详情
重要 人物形象训练API调用需“申请体验”并通过后才可使用，否则API调用将返回错误...facechain-finetune training_file_ids Array Body 是 训练集文件列表，此处使用前述准备好的训练文件，支持url、file_id及两者混合"training_file_ids":[...
API详情
必选 描述 job_name String Body 否 自定义任务名称，缺失该参数时，会使用自动生成的任务id替代 training_file_ids Array Body 是 训练集文件列表。validation_file_ids Array Body 否 验证集文件列表。model String Body 是 用于定制的...
产品计费
后付费 元语功能型对话大模型V2 chatyuan-large-v2 限时免费中 后付费 已上线 BiLLa开源推理能力增强模型 billa-7b-sft-v1 限时免费中 后付费 已上线 通义千问大模型训练单价计费 说明 大模型训练费用=训练集Tokens总数 X 循环次数 X 训练...
PS-SMART二分类训练
无 metric 否 训练集的评估指标类型，输出在Logview文件Coordinator区域的 stdout。支持以下类型：logloss：对应可视化方式的 negative loglikelihood for logistic regression 类型。error：对应可视化方式中的 binary classification ...
PS-SMART多分类
无 metric 否 训练集的评估指标类型，输出在Logview文件Coordinator区域的 stdout。支持以下类型：mlogloss：对应可视化方式的 multiclass negative log likelihood 类型。merror：对应可视化方式中的 multiclass classification error ...
PS-SMART回归
支持以下类型：reg:linear：Linear Regression reg:logistic：Logistic Regression count:poisson：Poisson Regression reg:gamma：Gamma Regression reg:tweedie：Tweedie Regression reg:linear metric 否 训练集的评估指标类型，输出在...
使用PAI Python SDK训练和部署PyTorch模型
准备训练数据 我们下载一个MNIST数据集，上传到OSS上供训练作业使用。准备训练脚本 我们使用PyTorch示例仓库中的MNIST训练脚本作为模板，在简单修改之后作为训练脚本。提交训练作业 使用PAI Python SDK提供的Estimator API，创建一个训练...
数据拆分
一、组件说明 在联邦学习任务中，数据拆分是将一份原始数据集分成训练集和测试集两个部分的过程。拆分数据集的目的是为了在训练模型时能够使用独立的数据集来评估模型的性能和泛化能力。训练集是模型用来学习的数据集，可以用于训练模型并...
通用联邦学习模板
交叉验证：在交叉验证中，数据集被划分为训练集和验证集两部分，模型基于训练集进行训练，然后用验证集来评估模型的性能。这种方法可以有效地评估模型的泛化能力，并减少因样本随机性带来的影响。混淆矩阵：评估分类模型性能的一种重要工具...
安全联邦学习-工作流FL
2、数据拆分 将数据拆分为训练集和测试集，用于验证模型的各项指标数据。note：在模板中，选择了拆分比例80%，即80%数据用于训练（输出表1），20%数据用于测试（输出表2）。用户可自行调整需求。3、训练侧特征工程 选择和提取有用的特征，...
模型训练最佳实践
训练准备 完成训练集的构建后，可进入模型管理界面选择训练集进行训练，平台提供Fine-tuning的训练方式，同时提供多种参数的调整，可依据业务需求和理解调整参数，优化模型训练效果。我们以阅读理解后进行问答的任务为示例，演示模型训练的...
智能圈选人群
PAI为您提供智能圈选人群功能，您可以通过 策略训练任务 选择使用内置的智能算法，对人群数据（训练数据）进行训练，生成圈选策略，再基于圈选策略通过 人群圈选任务 对人群数据（预测数据）进行智能筛选过滤，产出目标人群数据。...
圈选任务数据说明
圈选任务输入数据说明 准备输入数据 当您的训练数据集和预测数据集完全一致时，即user_id是完全相同的一批数据，您只需按照下方输入数据格式说明准备人群数据即可。说明 您无需准备特征数据，系统会从人群圈选任务关联的策略训练任务的输入...
工业视觉智能基本概念
工作区 通过预设的场景帮助用户识别自身需求，用户通过工作区管理自己的数据集与模型。工作区是完整视觉智能能力的承载...训练 训练指基于训练数据集，根据学习策略、从假设空间中选择的最优模型，以及求解模型的算法，来进行模型求解的过程。
云原生AI套件开发者使用指南
通过本文操作，可实现以下目标：数据集管理 使用Jupyter Notebook搭建开发环境 提交单机训练任务 提交分布式训练任务 使用Fluid加速训练任务 使用ACK AI任务调度器加速训练任务 模型管理 模型评测 部署推理服务 步骤一：为开发者创建账号并...
对接操作审计
自学习工具 AddDataToAsrLmModel 为语言模型添加训练数据集。CreateAsrLmData 创建ASR语言自学习训练数据集。CreateAsrLmModel 创建ASR语言自学习模型。CreateAsrVocab 创建ASR热词。DeleteAsrLmData 删除ASR语言模型数据集。...
机器阅读理解训练
将训练数据集和验证数据集接入 机器阅读理解训练 组件，并配置具体参数，详情请参见上文的 组件参数。相关文档 您可以在机器阅读理解训练组件的下游接入机器阅读理解预测组件，对生成的模型进行离线预测。详情请参见 机器阅读理解预测。...
图片分类
在快速开始中，您可以选择直接部署开源的预训练图片分类模型，或针对定制化场景，使用自己的数据集对预训练模型进行微调训练，并使用微调训练模型将图片分类成定制化的类别。本文为您介绍如何使用快速开始执行图片分类任务。前提条件 已...
模型部署及训练
数据集配置 训练数据集 快速开始提供了默认的训练数据，如果您不使用默认数据集，需要按照模型文档中的训练数据格式准备好训练数据，然后参考以下两种方式上传训练数据。OSS文件或目录。单击，选择数据集所在的OSS路径。在 选择OSS目录或...
生成中文摘要
说明 如果您准备了训练数据集，在 模型训练 区域，参照 微调训练模型 操作步骤更新训练数据集后，再单击 训练。页面将自动跳转到 任务详情 页面。您可以单击 任务日志，查看训练过程。四、部署和调试微调后的模型 在 任务详情 页面 模型...
- 产品推荐
- 这些文档可能帮助您