向量计算函数
向量缩放函数 vector_scale(array(double)vector1,double alpha)vector_scale(varchar vector1,double alpha)结合向量的加减法和向量的缩放，可以做任何线性变换。cosine_similarity 函数 计算 x 的余弦相似度。使用示例 查询和分析语句*|...
函数概览
本文列举的函数与运算符可以被用在 SLS 的 SQL 或 SPL 两种语言中。函数与运算符 说明 您可以根据具体使用的功能、语言，在本文中查看具体的函数、运算符用法。下表中，√表示支持，×表示不支持。SQL 是一种广泛使用的查询、分析语言，...
PolarDB处理TPC-H查询的挑战和机遇
数据访问位置（Data Access Locality）Columnar Locality 这是列存的天然优势，紧凑的数据布局有益于cache locality，并且可以做压缩来减少IO开销。利用向量化技术以及基于SIMD指令集的计算原语，实现高效的算子内并行，提升算子执行效率。...
线性规划-专题多篇
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多分类问题 分类是机器学习领域中最基本的任务之一。其目的是建立输入向量x与分类变量y之间的映射...
新手入门路径
如果您是新手，建议您可以通过以下路径快速了解求解器能做什么，然后根据学习案例来学习概念和开发。新手入门学习路径 步骤1.浏览案例 快速浏览 什么是优化求解器 和 线性规划-专题多篇，了解求解器的作用，了解产品能解决什么问题。步骤2....
岭回归预测
您可以使用岭回归预测组件做数值型变量的预测，包括房价预测、销售量预测、湿度预测等。本文为您介绍岭回归预测组件的配置方法。使用限制 支持的计算引擎为MaxCompute、Flink或DLC。算法原理 岭回归是一种专用于共线性数据分析的有偏估计...
Quick BI散点图如何预测数据
概述 本文主要介绍Quick BI中哪些图表可以预测数据，以及如何设置数据预测功能。问题描述 仪表板中的散点图是否可以预测数据，如何设置？问题原因 散点图不支持预测数据，其他的图表有的可以支持预测数据。解决方案 1.散点图不支持数据预测...
货品推荐概述
具体来说，通过算法预测可以得到每个用户对各个商品的购买偏好度，假定双十一活动中，品牌想要重点推出商品A，您可以基于算法结果筛选出商品A偏好人群，形成受众，进而基于用户营销功能进行营销触达。基于商品和商品的关联关系，可实现关联...
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...
为AHPA开启Prometheus大盘
阿里云Prometheus监控提供一键安装AHPA组件功能，...AHPA（Advanced Horizontal Pod Autoscaler）弹性预测可以根据业务历史指标，自动识别弹性周期并对容量进行预测，帮助您提前进行弹性规划，解决弹性滞后问题。关于AHPA，请参见 AHPA概述。
为AHPA开启Prometheus大盘
阿里云Prometheus监控提供一键安装AHPA组件功能，...AHPA（Advanced Horizontal Pod Autoscaler）弹性预测可以根据业务历史指标，自动识别弹性周期并对容量进行预测，帮助您提前进行弹性规划，解决弹性滞后问题。关于AHPA，请参见 AHPA概述。
常见问题
日志服务可以做什么？日志服务能为用户带来哪些价值？日志服务支持采集哪些数据？日志服务支持哪些数据接入方式？阿里云会使用我在日志服务上存储的数据吗？阿里云是否会将自己的数据存储在日志服务上？如果数据量突然激增，日志服务如何...
心脏病预测
因为每个样本只会患病或健康，所以心脏病预测可以归属于分类问题。本工作流的输入数据包括14个特征列和1个目标列，在数据预处理过程中，需要根据每个字段的含义将字符类型转化为数值类型。其中：二值类数据：以 sex 字段为例，其取值为 ...
查询分析概览
比如，搜索“手机”结果中有“手机”也有“手机壳”，根据类目预测可以分析出“数码产品”类目相关度高于“数码配件”，所以在排序的时候“数码产品”类结果会优先排序。文本向量化功能基本介绍 使用向量模型，将Query中的文本转化为向量，...
PolarDB并行查询
在join的表集合中，寻找一个可以做逻辑分片的表做拆分，如果3个表都不足以拆分足够多的分片，那就选最多的表，比如这里选择了t2，它可能拆出12个分片，但仍然无法满足并行度16的要求，导致有4个worker读不到数据而idle。聚集操作先在worker...
单值查询数据
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 有以下两种方法可以指定...
使用Lindorm AI进行时序预测
时序预测可以在涵盖各种场景的同时，提供更符合场景要求的时间维度，如天、小时和更细的时间级别。同时，时序预测功能也是很多商业决策的必需功能，它对后续仓配、履约、库存和资源调控等决策均有着非常重要的作用。例如，单品的销量预测是...
通义千问大模型数据推理和交互
离线预测可以预测多条数据。目前通义千问的token数为8000，但因为模型计算资源有限，如果结果不能在10秒内生成，则不会产生最终结果。这种情况下您可以增加AI节点，从而提高性能。示例 数据准备 执行如下SQL语句创建名为 textinfo 的表。...
设计方案
在故障应急响应中，风险预测可以作为重要参考，帮助快速识别问题的根本原因，提高故障处理效率和精度。故障响应 在发现故障后，需要快速定位问题，通常有以下做法：组织协调：故障发生后，需要迅速组织相关人员进行应急响应。组织协调包括...
应用场景
气象预报 E-HPC结合数值模型计算分析气象数据与环境数据，可以预测天气、环境等气象信息。能源勘探 E-HPC可以帮助勘探行业进行勘探数据分析，分析并模拟出勘测区域的地质构造，从而精确寻找资源位置。生命科学 生物信息学：使用E-HPC对大量...
用户流失预警风控
通过建立用户流失预警风控模型，可以预测潜在流失用户，从而提前通过运营手段防范用户流失。对于用户流失预警监控，主流预警方案均是基于规则实现的，缺少智能化的预测手段和机制，不能准确挖掘潜在流失用户。解决方案 PAI提供了一套基于...
基本概念
模型（Model）模型是您基于数据集和算法代码通过训练任务产出的结果，可以预测新数据。Processor 在线预测逻辑（模型加载和请求预测逻辑）的程序包，通常与模型文件一起部署，从而获得模型服务。PAI支持以下两类Processor：预置Processor：...
使用流程
自动伸缩任务支持以下类型：定时任务 如果您可以预测业务量波动的时间，使用定时任务在指定时间自动扩缩容即可。定时任务支持设置重复周期，满足周期性自动扩缩容的需求。更多信息，请参见 定时任务概述。报警任务 如果您需要基于ECS实例或...
垂直伸缩概述
应用场景 业务高峰时间可以预测的场景。例如，每月初需要处理大量的任务、在指定时间开展促销活动等。您可以创建定时触发执行的垂直伸缩任务，在业务高峰前升级实例规格以保证计算能力，并在业务低谷时降低实例规格以节约成本。业务需求...
产品优势
③：区别于Redis社区版6.0的IO多线程，内存型的Real Multi-IO能够将IO加速地更彻底，具备更高的抗连接冲击性，且可以线性地提升吞吐能力。④：数据落盘方式主要有下述两种：Write Through：数据写入成功，数据同步落盘后返回。Write Back：...
内存型
说明 区别于Redis社区版6.0的多线程（性能至多提升2倍，且CPU资源消耗高），内存型的Real Multi-IO能够将IO加速地更彻底，具备更高的抗连接冲击性，且可以线性地提升吞吐能力。性能对比 云数据库Redis版 实例采用与原生Redis相同的单线程...
归因分析
线性归因可以将功劳平均分配给业务路径中的各个阶段，适用于企业期望在整个销售周期内保持与客户的联系，并维持品牌认知度的公司，各待归因事件在转化前起到相同的作用。线性归因模型容易将价值比较高的渠道效果“平均”，如电商购物场景中...
概述
MaxCompute SQLML在底层依赖 人工智能平台 PAI 平台做模型创建、预测、评估等操作。本文为您介绍SQLML的功能、支持的机器学习模型、支持的预测模型函数和评估模型函数。功能介绍 MaxCompute SQLML功能依赖MaxCompute和 人工智能平台 PAI ...
Lasso回归预测
您可以使用该组件做一些数值型变量的预测，比如贷款额度预测、温度预测等。本文为您介绍Lasso回归预测组件的配置方法。使用限制 支持的计算引擎为MaxCompute、Flink或DLC。算法原理 Lasso回归算法通过构造一个惩罚函数，得到一个较为精炼的...
组件参考：所有组件汇总
高斯混合模型预测 您可以使用高斯混合模型预测组件基于训练好的高斯混合模型进行聚类预测。GBDT回归 该组件是一种迭代决策树算法，适用于线性及非线性回归场景。线性回归 该组件是分析因变量和多个自变量之间的线性关系模型。PS-SMART回归 ...
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...
基础排序函数
适用场景1：对price字段做归一化，但是不知道price的值域，可以使用如下公式进行归一化normalize(price)场景2：对price字段做归一化，但是只知道price的最大值为100，可以使用如下公式进行归一化normalize(price,100)场景3：对price字段做...
产品概述
代理层不仅可以做安全认证、保护和会话保持，还可以解析SQL，把写操作发送到主节点，把读操作均衡地分发到多个只读节点，实现自动的读写分离。计算节点 一写多读集群内有一个读写节点以及多个只读节点，多主集群（仅MySQL版支持）内可支持...
通过Elasticsearch机器学习实现业务...智能检测和预测
Elasticsearch机器学习是一种利用机器学习技术对Elasticsearch数据进行智能检测和预测的工具，可以自动识别数据模式和数据异常，生成新的特征和聚合结果，为数据分析和应用提供支持。Elasticsearch机器学习可以提高数据的可用性和价值，还...
预测
使用Designer中的传统数据挖掘算法得到的模型，如果没有同名配套的预测组件，通常都可以采用这个通用预测组件来做预测。该组件的输入为训练模型和预测数据，输出为预测结果。组件配置 您可以使用以下任意一种方式，配置预测组件参数。方式...
LightGBM算法
LightGBM可以减少数据对内存的使用、减少通信代价以及提升多机并行时的效率，在数据计算上实现线性加速。使用场景 LightGBM是一个算法框架，包括GBDT模型、随机森林和逻辑回归等模型。通常应用于二分类、多分类和排序等场景。例如：在个性...
快速入门
本文以开源数据集（Mushroom Data Set）为例，为您介绍如何快速使用MaxCompute SQLML及机器学习的逻辑回归二分类模型预测蘑菇是否有毒。前提条件 已注册阿里云账号，并完成实名认证。更多信息，请参见 准备阿里云账号。如果您需要使用RAM...
类目预测功能介绍
什么是类目预测 搜索引擎效果优化在查询意图理解阶段有语义理解、命名实体识别、词权重分析、拼写纠错等手段，在排序阶段有文本相关度、人气模型、类目预测等手段。通过配置查询分析策略和调整排序公式，搜索效果优化有很大的提升空间，再...
偏最小二乘回归
功能说明 偏最小二乘回归是通过投影分别将预测变量和观测变量投影到一个新空间，来寻找一个线性回归模型。偏最小二乘回归提供一种多对多线性回归建模的方法，特别当两组变量的个数很多，且都存在多重相关性，而观测数据的数量（样本量）又...
集群成本分析与优化-容器服务ACK
ChargeType Cost Forecasting 为节点池中所有节点在选择不同付费策略时的费用，结合各付费策略对成本节省的预测，可以协助您对资源组合和付费策略进行优化。集群应用成本分析 应用大盘以Label通配符匹配的方式，能够筛选出您关心的应用进行...
- 产品推荐
- 这些文档可能帮助您