关键词抽取

模块 实 现了 基于 自由 形状 变形 网格 变形 算法 遗传算法 差分 进化 算法 飞机 表面积 计算 算法 基于 矩 积分 飞 机 体积 计算 算法 开发 基于 VTK 数据 可视化 格式 工具 PAI命令 PAI-name KeywordsExtraction-DinputTableName=maple_...

添加升级包

使用AliOS Things芯片的设备,阿里云提供差分包生成方法和差分还原算法,请参见 OTA差分工具使用指南。您也可以自行生成差分包并完成差分还原算法开发。升级包名称 设置升级包名称,需在阿里云账号下唯一,创建后不可修改。支持中文、英文...

OTA固件升级

设备使用AliOS-Things芯片,阿里云提供差分包生成方法和差分还原算法,请参见 OTA差分工具使用指南。您也可以自行生成差分包并完成差分还原算法开发。固件名称 设置固件名称。支持中文、英文、日文、数字、下划线(_)、中划线(-)、小...

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...

支持的数据脱敏算法

本文介绍支持的数据脱敏算法算法分类 分类描述 算法描述 输入参数 适用类型和典型场景 哈希脱敏 不可逆算法。适用于密码或需要通过对比进行敏感数据确认的场景。支持常见的哈希算法,并支持偏移量(加盐值)配置。MD5 Salt值 敏感类型:...

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...

设置预分区

云数据库HBase自带了三种分隔算法,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:适用于以十进制的数字字符串作为前缀的Rowkey。UniformSplit:适用于Rowkey的前缀是...

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...

基于图算法实现金融风控

本文为您介绍如何基于图算法,实现金融风控。背景信息 图算法通常适用于关系网状的业务场景。与常规结构化数据不同,图算法将数据整理为首尾相连的关系图谱,需要考虑边和点。PAI提供了丰富的图算法组件,包括K-Core、最大联通子图及标签...

组件参考:所有组件汇总

XGBoost训练 该组件算法在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。当前支持分类和回归。XGBoost预测 该组件算法在Boosting算法的基础上进行了扩展和升级,具有较好的...

管理动态脱敏规则

脱敏算法 带标记的算法为高级算法,数据所在项目安装安全函数后才能使用,否则会被降级为默认脱敏方式(md5)。脱敏算法包括 遮盖掩码、哈希脱敏 和 其他。详情请参见 脱敏算法说明。说明 若数据所在项目配置了数据库内置函数,则所有引擎...

服务下线通知

温馨提示 尊敬的阿里云用户您好,非常感谢您对阿里云自然语言处理产品的支持,由于 NLP基础服务1.0 所依赖的组件不再维护,为了提供更稳定与高性能的算法服务,提供更清晰简化的使用体验,我们于2020年12月正式发布了 NLP基础服务2.0,2.0...

【通知】NLP1.0相关商品停止售卖通知

为了提供更稳定与高性能的算法服务,提供更清晰简化的使用体验,阿里云将于2022年7月1日起停止售卖NLP1.0相关商品。请您选择功能更多、体验更加完善的NLP2.0版本。停售时间 2022年7月1日 停售说明 尊敬的阿里云用户您好,非常感谢您对阿里...

安全联邦学习-工作流FL

一、什么是安全联邦学习-工作流模式 功能介绍:通过工作流的模式,在原始数据不出域的前提下,通过交换各个参与方的算法训练的中间结果梯度、参数信息,或完全在密文条件下进行计算,从而发挥参与多方数据样本更丰富、更全面的优势,得出更...

PyAlink脚本

PyAlink脚本支持通过编写代码的方式来调用Alink的所有算法。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...

高效基因序列检索助力快速分析肺炎病毒

为进一步验证算法性能,AnalyticDB MySQL版 基因向量抽取算法计算了常用于基因检索库中的BLAST[6]算法序列与基因转向量l2距离序列的相似度,两个序列的斯皮尔曼等级相关系数是0.839。以上得出结论,将DNA序列转换成向量用于相似基因片段的...

时序异常检测的常见问题

当前Lindorm ML主要提供两类算法:统计类算法和分解类算法,更多请参见 时序异常检测算法分类。如果您的数据带有较强的周期性,比如每天或每周在相对固定的时刻出现峰值或者谷值,那么推荐您优先尝试分解类算法(ostl-esd和istl-esd),...

使用Grafana进行异常检测算法调优

Lindorm Machine Learning提供了Grafana插件,支持以可视化的方式进行时序异常检测,您可以通过该插件调试出合适的异常检测算法与参数。操作流程 整体操作流程如下。步骤一:创建Grafana工作区 您可以在阿里云 应用实时监控服务ARMS 中快速...

使用Grafana进行异常检测算法调优

Lindorm Machine Learning提供了Grafana插件,支持以可视化的方式进行时序异常检测,您可以通过该插件调试出合适的异常检测算法与参数。操作流程 整体操作流程如下。步骤一:创建Grafana工作区 您可以在阿里云 应用实时监控服务ARMS 中快速...

使用Grafana进行异常检测算法调优

Lindorm Machine Learning提供了Grafana插件,支持以可视化的方式进行时序异常检测,您可以通过该插件调试出合适的异常检测算法与参数。操作流程 整体操作流程如下。步骤一:创建Grafana工作区 您可以在阿里云 应用实时监控服务ARMS 中快速...

模型管理

区域 描述 ① 筛选及搜索区 您可根据模型的名称关键字进行搜索,也可根据算法类型进行筛选。② 列表区 为您展示模型的名称、算法分类、训练类型、特征分布、数据格式、创建时间信息,同时您可对模型执行刷新、删除操作。您可点击模型名称前...

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...

视频分类训练

针对原始视频数据,您可以使用视频分类训练算法组件对其进行模型训练,从而获得用于推理的视频分类模型。本文介绍视频分类训练算法组件的配置方法及使用示例。前提条件 已开通OSS并完成授权,详情请参见 开通OSS服务 和 云产品依赖与授权:...

系统管理

参数 描述 图片储存时间(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...

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...

基于外卖评论实现舆情风控

PAI平台提供了一套基于文本向量化及分类的算法,可以基于历史标记的正负留言内容生成分类模型,从而自动预测新增留言的导向。该服务的整体框架已预置在 Designer 中,基于真实标记的11987条外卖平台评论数据,实现了自动化的正反向舆论风控...

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,...

分段多项式回归

算法参数 参数名 参数描述 是否必填 参数默认值 参数范围 是否自动段 选择是否由算法自动段。是 是 是 否 特征指数 配置特征项数。是 1[1,100]是否使用截距 选择模型训练时是否使用截距。是 是 是 否 是否正则化 选择模型训练前是否对...

创建安全联邦学习任务(任务模式)

包括 Min-Max极变换法、Z-Score归一化。数据箱:仅支持用于数值类型。包括 等频箱、等距箱、卡方箱。处理类型选择箱处理后,则不能再选择其他处理类型。每个字段只能选择一种箱处理。数据编码:仅支持用于字符类型。包括 One...

K近邻

功能说明 K近邻组件支持使用K近邻算法对分类或回归问题进行建模。分类分析时,在特征空间中,如果一个样本附近的k个最近(即特征空间中最邻近)样本的大多数属于某一个类别,则该样本也属于这个类别。回归分析时,通过找出一个样本的k个...

XGBoost

XGBoost(Extreme Gradient Boosting),是一种高效的Gradient Boosting算法,集成算法的思路是迭代产生多个弱的学习器,然后将每个学习器的预测结果相加得到最终的预测结果,其在结构化数据处理方面具有较优良的性能。计算逻辑原理 XGBoost...

产品简介

联邦建模集成了联邦学习,可信执行环境(Trusted Execution Environment,简称 TEE)、多方安全计算(Secure Multi-Party Computation,简称 MPC)和差分隐私(Differential Privacy,简称 DP)等技术手段,对差分攻击进行抵御,保护各参与...

XGBoost预测

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预测组件是在开源社区的基础上进行包装,您可以使用该组件对XGBoost训练组件...

LightGBM

功能说明 LightGBM组件支持使用lightgbm算法对分类或回归问题进行建模。lightgbm是一个梯度Boosting框架,使用基于决策树的学习算法。它可以说是分布式的,高效的,有以下优势:更快的训练效率 低内存使用 更高的准确率 支持并行化学习 ...

随机森林

功能说明 随机森林组件支持使用随机森林算法对分类或回归问题进行建模。随机森林就是通过集成学习的思想将多棵树集成的一种算法,它的基本单元是决策树,而它的本质属于机器学习的一大分支——集成学习(Ensemble Learning)方法。计算逻辑...

决策树

一棵树可以看作是段常数近似。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...

横向MLP二分类/MLP多分类/MLP回归

参数设置 参数设置 参数名称 参数英文名称 参数说明 全局迭代轮数 epochs 全局模型的最大迭代次数 隐私开销 epsilon 联邦学习中,差分隐私的隐私开销,数值越大,添加的噪声越小,隐私保护越弱,则越精确,训练效果越好;数值越小,隐私...

概述

ts_predicate_arima 使用带有差分的移动自回归模型对时序数据进行建模,并进行简单的时序预测和异常点检测。ts_regression_predict 针对含有周期性、趋势性的单时序序列,进行准确且长时序预测。序列分解函数 ts_decompose 使用STL算法对...

什么是DataTrust

DataTrust是基于安全多方计算(Secure Multi-Party Computation,MPC)、联邦学习(Federated Learning,FL)、差分隐私(Differential Privacy,DP)等隐私增强计算(Privacy Enhancing Technique)技术打造的隐私增强计算平台,在保障...

列存索引中TopK算子的实现

动态选择内存磁盘算法 内存算法和磁盘算法不同,如果使用一个固定的阈值来作为选择内存算法或磁盘算法的依据(比如K小于阈值时使用内存算法,否则使用磁盘算法),那么针对不同的可用执行内存就需要设置不同的阈值,带来了人工干预的开销。...
共有125条 < 1 2 3 4 ... 125 >
跳转至: GO
产品推荐
云服务器 安全管家服务 安全中心
这些文档可能帮助您
加密服务 智能开放搜索 OpenSearch 智能视觉 地址标准化 风险识别 弹性公网IP
新人特惠 爆款特惠 最新活动 免费试用