线性模型特征重要性
线性模型特征重要性组件用于计算线性模型的特征重要性，包括线性回归和二分类逻辑回归，支持稀疏和稠密数据格式。本文为您介绍该组件的配置方法。使用限制 支持的计算引擎为MaxCompute。组件配置 您可以使用以下任意一种方式，配置线性模型...
组件参考：所有组件汇总
PS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，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。二分类评估 该组件是通过计算AUC、KS及F1 Score指标，输出KS曲线、PR曲线、ROC曲线、LIFT Chart及...
逻辑回归
尽管名字是逻辑回归，但它是一种用于分类而不是回归的线性模型。Logistic 回归在文献中也称为 logit 回归、最大熵分类(MaxEnt)或对数线性分类器。在该模型中，描述单个试验可能结果的概率使用逻辑函数建模。计算逻辑原理 逻辑回归的思路是...
评分卡预测
线性模型中特征值和模型权重值直接相乘相加的结果，对应到评分卡模型中，如果模型进行了分数转换，则该分数输出转换后的得分。prediction_prob DOUBLE 二分类场景中预测得到的正例概率值，原始得分（未经分数转换）经过Sigmoid变换后得到该...
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...
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...
产品功能
当前版本支持的机器学习模型包括：聚合器（Aggregator）、Cox风险比例回归模型（CoxPH）、深度学习（DeepLearning）、分布式随机森林（DRF）、梯度提升模型（GBM）、广义线性模型（GLM）、广义低阶模型（GLRM）、孤立森林（IF）、K均值聚类...
动态特征提取
线性趋势：对采样数据序列进行线性拟合，取线性模型的系数，作为输出。变化趋势：对采样数据序列做Mann-Kendall测试（曼肯德尔检验），若“无趋势”，则输出0；反之，则取slope参数，作为输出。曼肯德尔检验：Mann-Kendall 趋势检验（有时...
FM算法
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、广告及直播的推荐场景。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...
XGBOOST回归
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：参数设置 参数名称 参数英文名称 参数说明 树的棵树 tree_num 迭代次数，即决策树或线性模型的数量。树的最大深度 max_depth 决策树的最大深度。学习率 learning_rate ...
XGBOOST多分类
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：参数设置 参数名称 参数英文名称 参数说明 树的棵树 tree_num 迭代次数，即决策树或线性模型的数量。树的最大深度 max_depth 决策树的最大深度。学习率 learning_rate ...
XGBOOST二分类
参数名称 参数英文名称 参数说明 树的棵树 tree_num 迭代次数，即决策树或线性模型的数量。树的最大深度 max_depth 决策树的最大深度。学习率 learning_rate 学习率，控制每轮迭代权重的缩小程度，适当调整可以加速模型收敛但也可能使模型...
LightGBM算法
gblinear：使用线性模型进行计算。rf：使用随机森林模型进行计算。dart：使用dropout技术删除部分树，防止过拟合。goss：使用单边梯度抽象算法进行计算。速度快，但是可能欠拟合。说明 设置该参数值时，需要使用单引号将参数值包裹起来。...
云产品依赖与授权：EAS
eas:ListServiceInstances 查看模型服务实例信息 eas:DeleteServiceInstances 重启模型服务实例 eas:UpdateService 更新模型服务、增加版本 eas:UpdateServiceVersion 切换模型服务版本 eas:StartService 启动模型服务 eas:StopService ...
线性回归
一、组件说明 线性回归模型通过找到一条最佳拟合直线（或超平面），将输入特征映射到一个连续数值输出。在模型训练过程中，采用最小二乘法（least squares）估计模型参数，即最小化输出结果与预测值之间的误差平方和。线性回归模型具有简单...
线性回归
功能说明 线性回归（Linear Regression）是分析因变量和多个自变量之间的线性关系模型。计算逻辑原理 回归分析中，只包括一个自变量和一个因变量，且二者的关系可用一条直线近似表示，这种回归分析称为一元线性回归分析。如果回归分析中...
分段多项式回归
功能说明 分段多项式回归是分段进行分析因变量和多个自变量之间的线性关系模型。计算逻辑原理 分段多项式：通过把输入变量的取值空间分割成连续的区间，然后在每个区间中进行多项式拟合得到的。分段多项式具有可拟合成任意形状的曲线和点的...
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...
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...
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...
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...
PS线性回归
线性回归（Linear Regression）是分析因变量和多个自变量之间的线性关系模型，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。PS线性回归支持千亿样本、十亿特征的大规模线性训练任务。组件配置 您可以使用以下...
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...
线性回归
线性回归（Linear Regression）是分析因变量和多个自变量之间的线性关系模型。组件配置 您可以使用以下任意一种方式，配置线性回归组件参数。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 选择特征列 ...
归因分析
设置分组、全局筛选、用户分群（可选）归因分析的设置分组、全局筛选、用户分群逻辑与事件分析相同 选择归因模型 当前支持四种最常见的归因模型：首次触点归因、末次触点归因、线性归因、位置归因和时间衰减归因。业务方可以根据自己的业务...
什么是图数据库自动机器学习？
功能概述 GDB Automl支持被广泛使用的经典统计和机器学习算法，包括梯度提升模型，广义线性模型、深度学习模型等，为使用者提供了从数据处理，模型训练，模型管理到预测推理的全生命周期管理服务，可以自动运行集成算法并调整其超参数，以...
评分卡训练
评分卡是信用风险评估领域常用的建模工具，其原理是通过分箱输入将原始变量离散化后再使用线性模型（逻辑回归或线性回归等）进行模型训练，其中包含特征选择及分数转换等功能。同时也支持在训练过程中为变量添加约束条件。说明 如果未指定...
概述
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 阿里云产品。您可以通过客户端开发MaxCompute SQLML作业，基于 人工智能平台 PAI 对...
基于回归算法实现农业贷款发放预测
线性回归是数理统计中的回归分析方法，可以确定两种或两种以上变量之间相互依赖的定量关系。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...
扫描代码与合并模型
数据的显示顺序按照元数据模型中的创建时间倒序显示。默认所有的模型显示折叠状态。您可单击 全部展开 或 图标展开节点，拖动滚动条查看完整数据。模型数据按照层级可分为如下三类：层级类型 说明 数据是否可变 根节点 根节点没有父节点，...
线性规划-专题多篇
生产调度：Flow Shop 调度优化下界估计问题 Flow Shop 是调度领域中的经典模型：给定一组机器和一批工件，要求解的决策是工件之间的先后顺序，优化的目标为完成所有加工的时间（降低成本）。本地版Python代码>4.广告流量分配：曝光和转化...
应用配置
包括一份应用中的节点构成、节点的配置、启动顺序，以及该应用关联的各种预声明信息，如关联的数据模型、服务模型、需要的API接口权限等。2.创建应用 做应用配置的前提，需要先创建一份应用，在 应用接入>创建应用 页面填写应用基本信息，...
应用：账号型-云端托管
因此，应用上架时，有必要清晰的指出该应用会调用哪些API，这样才能在AppKey产生的那一刻，给他授相应的权限，在此页面可对实例进行授权等操作，如图所示：数据模型 点击 数据模型>添加数据模型，在列表中，除了选择要声明的模型之外，还要...
领域模型概述
本文为您介绍 云消息队列 RocketMQ 版 的领域模型。产品定位 云消息队列 RocketMQ 版 是一款典型的分布式架构下的中间件产品，使用异步通信方式和发布订阅的消息传输模型。通信方式和传输模型的具体说明，请参见下文 通信方式介绍 和 消息...
单账号云端托管应用
因此，应用进行基础配置时，有必要清晰的指出该应用会调用哪些API，这样才能在AppKey产生的那一刻，给他授相应的权限，在此页面可对实例进行授权等操作，如图所示： 3.2 数据模型 点击 数据模型>添加数据模型，在列表中，除了选择要...
应用：实例型-云端托管
因此，应用上架时，有必要清晰的指出该应用会调用哪些API，这样才能在AppKey产生的那一刻，给他授相应的权限，在此页面可对实例进行授权等操作，如图所示：数据模型 点击 数据模型>添加数据模型，在列表中，除了选择要声明的模型之外，还要...
边缘应用发布
初始化节点：这类节点属于辅助节点，在整个部署的生命周期，只会执行一次（其他节点通常不止一次，比如节点健康检查失败就会重启）。点击 版本管理>可视化编排，可视化编排是对一个应用的定义。包括一份应用中的节点构成、节点的配置、启动...
应用发布
初始化节点：这类节点属于辅助节点，在整个部署的生命周期，只会执行一次（其他节点通常不止一次，比如节点健康检查失败就会重启）。点击 版本管理>可视化编排，可视化编排是对一个应用的定义。包括一份应用中的节点构成、节点的配置、启动...
数据模型架构规范
本文为您介绍数据模型架构规范。声明 本文以及后续章节中介绍的非功能性规范均为建议性规范，产品功能无强制，仅供指导。数据层次的划分 ODS：Operational Data Store，操作数据层，...通常，设计顺序依次为：概念模型->逻辑模型->物理模型。
Stable Diffusion AIACC加速版部署文档
SDXL base模型 sd_xl_refiner_1.0_0.9vae.safetensors：SDXL refiner模型 v1-5-pruned-emaonly.safetensors：Stable Diffusion 1.5模型 v2-1_768-ema-pruned-fp16.safetensors：Stable Diffusion 2.1模型 我们可以根据输入文字以及生成图片...
- 产品推荐
- 这些文档可能帮助您