推荐模板配置
B 帧（Bidirectionally Predictive Coded Pictures）：又称双向预测编码帧，也就是B帧记录的是本帧与前后帧的差别。也就是说要解码B帧，不仅要取得之前的缓存画面，还要解码之后的画面，通过前后画面的与本帧数据的叠加取得最终的画面。B帧...
基本概念
B帧（Bidirectionally Predictive Coded Pictures）：又称双向预测编码帧，也就是B帧记录的是本帧与前后帧的差别。要解码B帧，不仅要取得之前的缓存画面，还要解码之后的画面，通过前后画面的与本帧数据的叠加取得最终的画面。B帧压缩率高...
基本概念
B帧（Bidirectionally Predictive Coded Pictures）：又称双向预测编码帧，也就是B帧记录的是本帧与前后帧的差别。也就是说要解码B帧，不仅要取得之前的缓存画面，还要解码之后的画面，通过前后画面的与本帧数据的叠加取得最终的画面。B帧...
基本概念
B帧（Bidirectionally Predictive Coded Pictures）：又称双向预测编码帧，也就是B帧记录的是本帧与前后帧的差别。也就是说要解码B帧，不仅要取得之前的缓存画面，还要解码之后的画面，通过前后画面的与本帧数据的叠加取得最终的画面。B帧...
保障离线在线一致性的CTR预估方案
本案例使用经典的CTR点击率预估数据集Avazu进行一体化模型训练，并将离线调试完成的 归一化预测->独热编码预测->向量聚合->FM预测 流程完整部署到EAS。您在线上环境进行模型预测时，也可以使用离线训练时的数据预处理和特征工程逻辑，以...
线性回归
在统计学中，线性回归是用来确定两种或两种以上变量间的相互依赖关系的统计分析方法，与分类算法处理离散预测不同。回归算法可对连续值类型进行预测。线性回归算法定义损失函数为样本集的最小平方误差之和，通过最小化损失函数求解权重矢量...
Pipeline部署在线服务
例如：需要部署线性回归模型用于在线预测，则线性回归训练组件和线性回归预测组件都需要运行成功。在线服务限制单输入单输出，因此需要从离线的Directed Acyclic Graph（DAG）图中选择单一串行链路进行部署。前提条件 已创建模型工作流...
Designer使用案例汇总
其他通用案例 案例名称 描述 保障离线在线一致性的CTR预估方案 介绍如何使用经典的CTR点击率预估数据集Avazu训练一体化模型，并将离线调试完成的 归一化预测->独热编码预测->向量聚合->FM预测 流程完整部署到EAS。心脏病预测 介绍如何通过...
线性规划-专题多篇
鲁棒线性回归-预测 回归是一种建立自变量 x（向量）和相关变量 y（标量）之间关系的预测技术。线性回归通常可以用线性函数 y=,x>+b 来描述，我们可以估计出 a 和 b 的值。本地版Python代码>|C/S版C++代码>6.机器学习：带有L1正则项的SVM多...
特征编码
特征编码是将非线性特征通过GBDT编码成线性特征。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...
评分卡训练
分数转换 评分卡的信用评分等场景中，需要通过线性变换将预测得到的样本odds转换成分数，通常通过如下的线性变换实现。您可以通过如下三个参数指定线性变换关系：scaledValue：给出一个分数的基准点。odds：在给定的分数基准点处的odds值。...
one-hot编码
one-hot编码，也称独热编码，对于每一个特征，如果它有m个可能值，那么经过独热编码后，就变成了m个二元特征。此外，这些特征互斥，每次只有一个激活。因此，经过独热编码后数据会变成稀疏的，输出结果也是KV的稀疏结构。功能介绍 one-hot...
组件参考：所有组件汇总
特征编码 该组件是将非线性特征通过GBDT编码成线性特征。one-hot编码 您可以通过该组件后数据会变成稀疏，输出结果也是KV的稀疏结构。统计分析 数据视图 通过数据视图组件，您可以可视化地了解特征与标签列的分布情况及特征的特点，以便...
逻辑回归二分类
一、组件说明 逻辑回归通过将线性回归模型的输出通过Sigmoid函数进行映射，将连续的预测值转换为概率值。Sigmoid函数具有“S”形状，可以将任意实数值映射为0和1之间的概率值，表示样本属于正例的概率。逻辑回归的训练过程是利用最大似然...
产品功能
阿里云图数据库自动机器学习（Graph Database Auto Machine Learning，简称GDB Automl）支持数据处理、模型训练、数据预测和导出部署。本文为您详细介绍GDB Automl的产品功能。数据处理 数据导入 目前版本支持从图数据库GDB导入数据、从...
XGBOOST二分类
使用时，数据格式如下，其中key的下标应从1开始，value应均为数值：正样本标签值填写 字段数据类型 是否编码 是否连接配置表 正样本标签值 字符类型 是 是 原值 是 否 编码值 数值类型 否 否 原值 否 是 原值 是 是 原值 是 否 编码值 参数...
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模型的输出通过Sigmoid函数进行映射，将连续的预测值转换为概率值。Sigmoid函数具有“S”形状，可以将任意实数值映射为0和1之间的概率值，表示样本属于正例的概率。横向逻辑回归的训练过程是利用...
横向MLP二分类/MLP多分类/MLP回归
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，利用反向传播算法（Backpropagation）和梯度下降算法（Gradient Descent）来优化模型参数，以最小化...
性能指标
在线预测 qps：100 rt:1秒 线性回归-LinearRegressionWithHe 100维*100维 在线预测 qps：100 rt:1秒 逻辑回归-LogisticRegressionWithHe 100维*100维 在线预测 qps：100 rt:1秒 神经网络MLP 100维*100维 在线预测 qps：100 rt:1秒 隐匿信息...
特征管理
iv：用于对输入特征变量进行编码，同时评估特征变量的预测能力。取值范围为0到正无穷。基于数据库中的数据来创建特征时使用该值。详情请参见 IV算法。none_value：计算特征缺失比例，以此来判断特征的可用程度。基于数据库中的数据来创建...
创建安全联邦学习任务（任务模式）
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：新建 TrustML/Prediction 任务 在DataTrust首页，单击顶部菜单栏的 工作台。进入 任务研发 页面。在通用方案中，选择创建 安全联邦学习（任务模式）任务。在...
基于Alink框架的FM推荐
FM（Factorization Machine）算法兼顾特征之间的相互作用，是一种非线性模型，适用于电商、广告及直播等推荐场景。Designer 预置了FM算法模板，便于您快速构建基于Alink框架的FM推荐模型，快速实现推荐系统并应用于上述场景。本文为您介绍...
评分卡信用评分
其原理是先将分箱后的原始数据进行特征工程变换，再使用线性模型建模。评分卡建模理论通常适用于信用评估领域，例如信用卡风险评估和贷款发放业务。在其它领域，评分卡建模也可以作为分数评估，例如客服质量打分和芝麻信用打分。前提条件 ...
单值查询数据
算子 描述 插值方法 avg 平均值 线性插值（斜率拟合）count 数据点数 插0 mimmin 最小值 插最大值 mimmax 最大值 插最小值 min 最小值 线性插值 max 最大值 线性插值 none 不做计算 插0 sum 求和 线性插值 zimsum 求和 插0 Filters说明 有...
Kafka数据源
数值 json数值类型 字节流 字节流会进行Base64编码后转换成UTF8编码的字符串 text 字符串 UTF8编码字符串 布尔 转换为UTF8编码字符串"true"或者"false"时间/日期 yyyy-MM-dd HH:mm:ss格式UTF8编码字符串 数值 UTF8编码数值字符串 字节流 ...
配置数据源
10 2.9 线性转换函数 linearTransform/线性转换/*@description 线性转换把原始值转换为目标值，*@param source 原始值最大、最小值*@param target 目标值最大、最小值*@value 点位数值*/const re=filter.linearTransform({ start:0,end:...
评分卡预测
评分卡预测组件对原始数据根据评分卡训练组件产出的模型结果进行预测打分。组件配置 您可以使用以下任意一种方式，配置评分卡预测组件参数。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 特征列 选择...
线性回归
线性回归模型具有简单、易于理解和解释的特点，同时可以通过多项式扩展等方法处理非线性数据，具有较高的泛化能力和预测准确率。但是，线性回归模型对于离群点、噪声数据和非线性关系的数据比较敏感，需要进行特征标准化和正则化处理。组件...
发电场输出电力预测
本文为您介绍如何使用 Designer 预置的工作流模板，快速构建发电场输出电力预测模型。背景信息 本工作流基于综合循环发电场的发电数据，展示机器学习在工业生产中的应用。因为风力发电的输出电力通常决定了单位发电机能够生产的电能，所以...
参数映射与校验规则
形式，则使用自定义中描述的Encoding进行组装，对于其他的Content-Type，不进行编码的特殊处理 当转发的参数处于 header 位置时，网关会使用 ISO8859-1 编码进行转换和发送 4.4.转发 后端应答 给 客户端 在映射模式下，如果后端成功返回...
基于回归算法实现农业贷款发放预测
Designer预置了线性回归算法模板，便于您通过农业贷款的历史发放情况，快速实现贷款发放预测。本文为您介绍Designer线性回归算法预置模板的具体使用方法。背景信息 农业贷款发放问题是一个典型的数据挖掘问题。贷款发放人通过历史贷款数据...
CreateAsyncPredict
调用CreateAsyncPredict创建一个异步预测。调试 您可以在OpenAPI Explorer中直接运行该接口，免去您计算签名的困扰。运行成功后，OpenAPI Explorer可以自动生成SDK代码示例。请求参数 名称 类型 是否必选 示例值 描述 Action String 是 ...
机器学习开发示例
例如下面的代码采用第一个模型（modelA），并根据特征（features）向您显示标签（原始销售价格）和预测（预测销售价格）%pyspark#运行线性回归模型，并展示数据 predictionsA=modelA.transform(ml_data)predictionsA.show(10)数据打印 步骤...
Label Encoder
一、组件说明 Label Encoder是一种用于将离散分类变量转换为数值变量的编码方法。它将每个离散变量的取值映射到一个整数，从而将离散变量转换为连续变量。例如，一个有三个取值的离散变量“颜色”（红色、绿色、蓝色），使用Label Encoder...
方差膨胀系数VIF
VIF为1表示自变量不存在多重共线性，VIF的值越大，表示自变量之间的共线性越强，可能会导致模型不稳定或预测效果变差。一般来说，VIF小于5表示自变量之间不存在显著的共线性问题，大于10则表示自变量之间存在严重的共线性问题，需要对数据...
横向LabelEncoder
一、组件说明 Homo Label Encoder是一种用于将离散分类变量转换为数值变量的编码方法，适用于横向联邦场景。它将每个离散变量的取值映射到一个整数，从而将离散变量转换为连续变量。例如，一个有三个取值的离散变量“颜色”（红色、绿色、...
概述
异常的直播流 对于正常的直播流（没有不支持的编码格式、帧率稳定、时间戳单调线性增长），直播录制均能正常生成录制文件。当然，对于偶尔帧率不稳定，时间戳跳变的流，直播录制也能做出一定的兼容，保证录制文件的正常生成。但是如果推...
岭回归训练
输出桩 输出桩（从左到右）数据类型 下游组件 模型 回归模型 岭回归预测 模型信息 无 无 特征重要性 无 无 线性模型权重系数 无 无 通过代码方式配置组件 您可以将以下代码复制到 PyAlink脚本 组件中，使PyAlink脚本组件实现与该组件相同的...
Lasso回归训练
输出桩 输出桩（从左到右）数据类型 下游组件 模型 回归模型 Lasso回归预测 模型信息 无 无 特征重要性 无 无 线性模型权重系数 无 无 通过代码方式配置组件 您可以将以下代码复制到 PyAlink脚本 组件中，使PyAlink脚本组件实现与该组件...
异步预测接口使用示例
这个文档介绍如何使用异步预测接口，进行模型预测的异步调用，支持更长文本的离线调用。创建异步调用 参考以下示例代码，通过 content 字段，传入长文本内容，NLP自学习平台会保存长文本，并进行异步模型预测。说明 content 字段支持的文本...
- 产品推荐
- 这些文档可能帮助您