高维向量检索（PASE）
PASE（PostgreSQL ANN search extension）是一款为PostgreSQL数据库研发的高性能向量检索索引插件，使用业界中成熟稳定且高效的ANN（Approximate nearest neighbor）检索算法，包括IVFFlat和HNSW算法，通过这两种算法，可以在PG数据库中...
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 ...
高效向量检索（PASE）
PASE（PostgreSQL ANN search extension）是一款为PostgreSQL数据库研发的高性能向量检索索引插件，使用业界中成熟稳定且高效的ANN（Approximate nearest neighbor）检索算法，包括IVFFlat和HNSW算法，通过这两种算法，可以在PostgreSQL...
时序异常检测
本文介绍异常检测算法的概念和时序异常检测的语法。引擎与版本 时序异常检测仅支持时序引擎。无版本要求。使用限制 时序异常检测必须和 SAMPLE BY 语句搭配使用。功能简介 时序异常检测用于检测指定时间线上异常点的值，支持阿里达摩院自研...
XGBoost训练
XGBoost算法在Boosting算法的基础上进行了扩展和升级，具有较好的易用性和鲁棒性，被广泛用在各种机器学习生产系统和竞赛领域，该算法支持分类和回归。XGBoost训练组件在XGBoost算法的基础上进行了包装，使功能和PAI更兼容，更易用。本文为...
PS-SMART回归
参数服务器PS（Parameter Server）致力于解决大规模的离线及在线训练任务，SMART（Scalable Multiple Additive Regression Tree）是GBDT（Gradient Boosting Decision Tree）基于PS实现的迭代算法。PS-SMART支持百亿样本及几十万特征的训练...
支持向量机
功能说明 支持向量机组件支持使用支持向量机算法对分类或回归问题进行建模。支持向量机（SVM）是在分类分析中分析数据的监督式学习模型与相关的学习算法，也被拓展运用于回归问题。支持向量机在高维度或无穷维度空间中，构建一个超平面或者...
FM算法
组件配置 Designer 提供的FM算法模板包括FM训练和FM预测组件，您可以在原PAI-Studio控制台首页的 FM算法实现推荐模型 区域，单击 从模板创建；或在 Designer 控制台 工作流模板 的 基于Alink框架的FM推荐 区域，单击 创建，快速构建FM实验...
梯度提升回归树
否 3[1,100]分位数 如果噪音点较多，可以适当降低这个分位数的值，当损失函数为Huber或分位数回归时，才需要配置。否 0.9[0,1]测试集比例 测试模型的数据占总输入数据的比例，用于计算模型的评价指标，默认0.2。是 0.2[0,1]测试集生成方式 ...
使用向量检索插件（aliyun-knn）
算法说明 在算法上，目前向量检索引擎已经支持了hnsw算法以及linear算法，适用于单机数据量小（全内存）的业务场景。两种算法性能对比如下。表 1.hnsw算法和linear算法性能对比 表格中为阿里云Elasticsearch 6.7.0版本环境实测数据，测试...
CREATE MODEL
否 retrieval_num_shards INTEGER 向量索引使用的分片个数，向量数据和结构化数据进行融合检索时，每个索引表分片会先根据向量的相似查询获取topK数据，再基于合并后的topK数据进行结构化数据过滤。默认值为4。否 text_analyzer VARCHAR 此...
预测学生考试成绩
Designer预置了逻辑回归算法模板，便于您基于中学生的家庭背景及在校行为，通过逻辑回归算法快速生成期末成绩预测模型，从而获得影响中学生学业的关键因素。本文为您介绍逻辑回归算法预置模板的具体使用方法。背景信息 通过本工作流获得...
模型创建
否 retrieval_num_shards INTEGER 向量索引使用的分片个数，向量数据和结构化数据进行融合检索时，每个索引表分片会先根据向量的相似查询获取topK数据，再基于合并后的topK数据进行结构化数据过滤。默认值为4。否 text_analyzer VARCHAR 此...
教育搜题
示例：query 35 的 因数 有(),100 以内 24 的 倍数 有()对应权重分 4 1 7 1 1 1 1 1 1 4 1 7 1 1 1 此题目中“因数”和“倍数”的权重分最高7分，参与召回的权重也就最高，其次是“35”和“24”为4分，其他权重分为1分的，不参与召回；...
类目预测功能介绍
不带行为数据的模型训练，适用于没有上传行为数据，或行为数据质量较差的场景，只需要指定应用中的类目ID字段和物品标题字段，就可以开始训练模型。由于没有行为数据，样本打标签没有依据，那么会使用另一类算法来训练模型，仅通过query和...
基本概念
在多方安全模型服务运行过程中，模型的调用数、模型分和入模特征的关键统计值，可在经过聚合或脱敏后在平台页面中进行展示。服务监控支持用户配置需查看的指标和监控频率，并生成可视化监控报表。关联键 在隐私求交中作为 JOIN ON SQL 语句...
小程序场景
一、小程序搜索背景 前端：微信官方提供 SearchBar插件，主要功能为搜索框的前端实现后端：实现简单的搜索分 小程序搜索 和 云开发两部分。小程序搜索包含以下三个接口，无商品、文本搜索相关能力：search.imageSearch：提供基于小程序的站...
PyAlink脚本
您可以使用PyAlink脚本调用Alink的分类算法做分类、调用回归算法做回归、调用推荐算法做推荐等。PyAlink脚本也支持与其他Designer的算法组件无缝衔接，完成业务链路的搭建及效果验证。本文为您介绍如何使用PyAlink脚本。背景信息 PyAlink...
异常指标监控
该方案的要求如下：人力要求：需要熟悉机器学习经典算法，尤其是特征工程及二分类算法。开发周期：1~2天。数据要求：上千条的标签数据，该数据标记了异常数据和正常数据。数据集 本工作流使用的数据为系统级别监控日志数据，共22544条数据...
动态特征提取
支持8种计算方式，包括最大值、最小值、平均值、标准差、线性趋势、变化趋势、一阶差分和二阶差分。计算逻辑原理 最大值：取采样数据序列的最大值，作为输出。最小值：取采样数据序列的最小值，作为输出。平均值：取采样数据序列的平均值，...
算法建模
本文以逻辑回归二分类算法为例，为您介绍如何使用PAI Designer训练模型。前提条件 完成数据可视化，详情请参见 数据可视化。操作步骤 登录 PAI控制台，进入工作流页面。操作详情请参见 step1：进入工作流页面。构建逻辑回归二分类节点并...
K均值聚类算法（K-Means）
例如：使用K-Means算法可以将电信预付费客户的付费方式分为充值模式、发送短信和浏览网站几个类别。对客户进行分类有助于公司针对特定客户群制定特定的广告。欺诈检测 K-Means算法在欺诈检测中也扮演着一个至关重要的角色，被广泛应用于...
com.aliyun.opensearch.cava
类列表：功能类 类名称 类简介 TagMatch 匹配文档和请求中的标签 Util 提供了一系列常用的功能型函数，比如衰减函数，归一化函数等 first_phase_score 获取基础表达式最终计算分值 算法类 类名称 类简介 CategoryScore 获取文档的类目分 ...
设置预分区
云数据库HBase的预分区功能可以帮助您合理的设计Rowkey，从而避免出现数据热点现象。本文介绍如何为HBase表设置预分区。设置方法 为HBase表test设置预分区，创建表格的语句如下示例，示例中字段的描述如下表。create'test',{NAME=>'f1',...
线性支持向量机
背景信息 本文中的线性支持向量机算法不通过核函数方式实现，具体实现理论请参见 算法原理 中的Trust Region Method for L2-SVM部分。使用限制 线性支持向量机算法组件仅支持二分类场景。组件配置 您可以使用以下任意一种方式，配置线性...
com.aliyun.opensearch.cava
类列表：功能类 类名称 类简介 TagMatch 匹配文档和请求中的标签 Util 提供了一系列常用的功能型函数，比如衰减函数，归一化函数等 first_phase_score 获取基础表达式最终计算分值 算法类 类名称 类简介 CategoryScore 获取文档的类目分 ...
负载均衡
设置负载均衡 要使用某种特定的负载均衡算法，可以按照以下的方式进行设置：XML 方式 如果使用 XML 的方式引用服务，可以通过设置 sofa:global-attrs 标签的 loadBalancer 属性来设置负载均衡。以下示例以设置负载均衡算法为 roundRobin 为...
路由算法
定义 路由算法是减少路由时开销的一种算法，可以通过给逻辑库配置路由算法，实现条件定位查询，提高操作效率。说明 若未配置路由算法，则在对逻辑表的数据进行操作时，会遍历逻辑表对应的每一个物理表，整体操作时间会成倍增加。路由算法由...
K均值聚类
说明 如果是凸数据集的话可以不管这个值，如果数据集不是凸的，可能很难收敛，此时可以指定最大的迭代次数让算法可以及时退出循环。是 300[1,99999999]算法 自动：根据数据值是否是稀疏的，来决定选择“K-Means”或“elkan K-Means”。建议...
异常检测
功能说明“异常检测”功能通过人工智能算法，可以识别您在云上消费费用的波动异常。同时，您还可对检测的结果进行评估反馈，从而辅助训练检测算法，提升算法检测的准确率。操作说明 登录“用户中心”，进入“成本管理-异常检测”，可以查看...
基于图算法实现金融风控
已知 Enoch 为信用用户，Evan 为欺诈用户，通过图算法可以计算其它人的信用指数，获得每个人为欺诈用户的概率，从而指导相关机构进行金融风控。数据集 本工作流数据集的具体字段如下。字段名 含义 类型 描述 start_point 边的起始节点 ...
系统管理
参数 描述 图片储存时间（分）算法告警图片在边缘一体机本地的存储时间。抠图放大倍率 算法告警目标抠图外扩的倍数。可选1~5倍，默认为放大1倍。图片时间戳 算法告警图片是否需要边缘一体机的时间戳水印。图片检测框 算法告警图片是否需要...
通过Lindorm Shell访问宽表引擎
如果实例规模较大，分片数量可以按需设置多个。SPLITALGO 初始化分区的算法。HBase表支持以下三种分割算法每个分割算法的适用场景如下描述：HexStringSplit：适用于以十六进制的字符串作为前缀的Rowkey。DecimalStringSplit：适用于以...
TLS加密套件与协议版本配置
对安全性要求较高的网站或应用 强加密算法套件 TLS1.2、TLS1.3 支持的加密套件和协议均为安全类型，配置强加密算法套件可以提高网站的安全等级，但兼容性相比全部加密算法套件（默认）较差。对加密套件和TLS协议概念有较多理解，希望指定...
如何设置初始化时间窗口数量？
日志异常分析算法从创建任务时开始运行，其中算法模型需要经过一段时间的初始化训练后才能进行异常检测。您需要通过时间窗口数量和时间窗口长度指定合适的初始化时间。合适的初始化时间，可以使算法模式在初始化阶段分析到大多数的日志类别...
新建及管理动态脱敏规则
您可以在安全算法中测试算法具体的效果，请参见 测试安全算法。安全算法详细说明请参见 安全算法说明、安全算法示例。不同引擎支持的脱敏算法，详情请参见 不同引擎支持的脱敏方式。生效状态 选择 开启 或 关闭 脱敏规则的生效状态。单击 ...
新建及管理动态脱敏规则
您可以在安全算法中测试算法具体的效果，请参见 测试安全算法。安全算法详细说明请参见 安全算法说明、安全算法示例。不同引擎支持的脱敏算法，详情请参见 不同引擎支持的脱敏方式。生效状态 选择 开启 或 关闭 脱敏规则的生效状态。单击 ...
AutoML使用限制及规格
TPE：Tree-structured Parzen Estimator，是一个无需附加依赖的轻量级算法，可以支持所有的搜索空间类型，为HPO中使用的默认算法。它可以处理复杂、非线性、高纬度且计算代价较大的问题。TPE的缺点是无法发现不同参数之间的联系。参考文献...
梯度提升决策树
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，梯度提升决策树中没有随机化，而是...
决策树
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分类或回归问题进行建模。计算逻辑原理 决策树是一种树形结构，其中每个内部节点表示一个特征上的判断，每个分支代表一个判断结果的输出，最后每个叶节点代表一种分类或回归...
- 产品推荐
- 这些文档可能帮助您