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_...
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...
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...
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...
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...
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...
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...
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...
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：...
x13_arima
x13_arima是基于开源X-13ARIMA-SEATS封装的针对季节性调整的Arima算法。本文为您介绍x13_arima组件的配置方法。背景信息 Arima全称为自回归积分滑动平均模型（Autoregressive Integrated Moving Average Model），是由博克思（Box）和...
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...
CREATE MODEL
nsigma 达摩院自研算法，原理简单，便于分析异常原因。详细信息，请参见 时序异常检测。ttest 达摩院自研算法，适用于识别一个时间窗口内时序指标是否存在因均值变化而发生的异常。详细信息，请参见 时序异常检测。指定列的预处理操作...
模型创建
nsigma 达摩院自研算法，原理简单，便于分析异常原因。详细信息，请参见 时序异常检测。ttest 达摩院自研算法，适用于识别一个时间窗口内时序指标是否存在因均值变化而发生的异常。详细信息，请参见 时序异常检测。PREPROCESSORS 'string'...
数据对接期
测试完毕后，可以通过新建数据版本的方式更换掉测试的全量数据，也可以直接通过增量的方式，推送覆盖原来的测试数据。初始化数据下载地址 5、如何设置tag字段，用户表和物品表中的tag是需要相互关联的吗？用户A运营了电商类的APP，自己的...
热搜和底纹
模型训练后为两种状态训练成功和训练失败 训连失败问题查看：可点击详情进入详情页查看：可以通过异常报告查看失败的原因，在升级条件下查看所需条件。个性化配置：黑白名单配置：用户可根据自身业务的需求对模型进行 黑白名单配置 在模型...
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...
GBDT二分类V2
对于数值型特征，算法会对数据进行分箱操作；对于类别型特征，不需要提前进行OneHot预处理，算法会使用 many-vs-many 的分裂策略。该算法要求二分类的类别必须为0和1。当该组件与 GBDT二分类预测V2 组件成对执行完成后，训练得到的模型支持...
Dataphin中重装项目安全策略是否会影响...规则、脱敏算法
概述 本文主要介绍Dataphin中重装资产...重装过程中，会清理掉内置的脱敏算法，再重新安装最新版本的算法，这个过程中，会短暂的影响脱敏算法的使用，大概持续2分钟左右；重装完毕，即可正常使用。相关文档 项目安全策略 适用于 Dataphin3.7
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，...
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...
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：...
基于文本分析算法实现新闻分类
本工作流的新闻分类结果不够理想（两篇体育类、一篇财经类及一篇科技类新闻分到了同一类中），主要原因如下：工作流数据量较小。仅针对业务场景介绍文本分析算法的使用方法，未对数据集进行特征工程处理及细节调优。因为本工作流模板已为 ...
SSL-VPN连接常见问题
本文汇总了建立SSL-VPN连接时出现客户端连接失败、流量不通现象的常见原因并提供了相应的解决方案。常见问题快捷链接 客户端连接问题 客户端连接失败怎么办？客户端之前连接成功，但间歇性中断下线怎么办？仅部分客户端连接成功怎么办？SSL...
创建安全联邦学习任务（任务模式）
包括 等频分箱、等距分箱、卡方分箱。处理类型选择分箱处理后，则不能再选择其他处理类型。每个字段只能选择一种分箱处理。数据编码：仅支持用于字符类型。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：...
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...
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...
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...
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...
AUTO模式数据库与DRDS模式数据库
如下图所示：分库分表的路由算法是HASH值按物理分表数目取模，如果要变更分区数目（例如分表数目由4个变成5个），所有数据都需要进行rehash，因此，DRDS模式的分库分表无法提供分区级的变更能力；分区表的默认路由算法是基于range的一致性...
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...
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 ...
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 ...
算法管理
算法信息主要包括算法能力集（算法支持的视频检测及分析能力）、算法能力值（算法最多支持的可分析视频流数量）、用户自定义的算法名称及版本号以及存储算法包的OSS相关信息。算法能力集 算法能力集可以理解为算法的标签，指算法支持的视频...
时序异常检测
数据服务提供时序异常检测算法，采用智能时序算法，实时分析设备时序数据，准确感知设备异常现象。查看基本信息 在 物联网平台控制台 的 实例概览 页面，单击目标企业版实例卡片。在左侧导航栏，选择 数据服务>数据智能。在算法模板列表中...
列存索引中TopK算子的实现
由于Self-sharpening Input Filter和归并排序时基于offset和limit做truncate的方案在前文中已经介绍，因此接下来仅介绍选择这两种方案的原因，并介绍利用SIMD指令提升过滤效率、利用ZoneMap做pruning以及动态选择内存磁盘算法的部分。...
概述
物联网边缘计算提供算法应用，供您为视频设备配置算法，处理视频数据。同时提供算法服务，支撑您管理算法任务。背景信息 当前物联网行业中，算法开发没有统一的算法定义和开发规范，自主开发的成本高，是业务中的一大痛点。物联网边缘计算...
- 产品推荐
- 这些文档可能帮助您