预测
稀疏矩阵 使用KV格式表示稀疏数据。key与value分隔符 默认为英文冒号（:）。kv对间的分隔符 默认为英文逗号（,）。执行调优 核心数 与参数 每个核的内存大小 搭配使用，取值范围为正整数。每个核的内存大小 与参数 核心数 搭配使用，单位为...
推荐解决方案综述
获得足够的User和Item数据后，您可以通过协同过滤etrec算法或矩阵分解算法计算得到Item-Item数据，详情请参见 组件配置 或 使用ALS算法实现音乐评分预测（旧版）。说明 etrec算法中可以设置权重 weight。例如，对点击、收藏及购买设置不同...
离散值特征分析
稀疏矩阵 当输入表数据为稀疏格式时，需要设置KV格式的特征。方式二：PAI命令方式 使用PAI命令方式，配置该组件参数。您可以使用SQL脚本组件进行PAI命令调用，详情请参见 SQL脚本。PAI-name enum_feature_selection-project algo_public-...
基于二部图GraphSAGE算法实现推荐召回
在工作流列表，双击 推荐召回-GraphEmbedding算法 工作流，进入工作流。系统根据预置的模板，自动构建工作流，如下图所示。区域 描述 ① User&Item 行为表，包括如下字段：user：BIGINT类型，表示用户ID。item：BIGINT类型，表示物品ID。...
管控台概览
同时支持开发者快速体验并了解不同场景下产品功能，算法效果以及算法原理。同时用户可以在概览页全局统计本账号下项目个数，计量用量，以及帮助文档快速链接。我的项目 服务总量：该账号下所有已创建服务。已上线服务：该账号下所有已上线...
K-均值聚类
算法基本原理：以空间中k个点为中心进行聚类，对最靠近它们的点进行归类。通过迭代的方法，逐次更新各聚类中心的值，直至得到最好的聚类结果。将样本集分为k个类别的算法描述如下：适当选择k个类的初始中心。在第i次迭代中，对任意一个样本...
Designer概述
自定义算法组件 包括SQL脚本、Python脚本、PyAlink脚本等自定义算法组件，可以满足您更加定制化的算法工作流串联需求。从实现框架及支持的计算资源来区分 包括Alink框架和PAICommand框架，两种框架的算法组件各自具有一些独特的功能特性：...
PS-SMART多分类
稀疏矩阵 选中 稀疏矩阵 复选框。key与value分隔符 输入半角冒号（:）。kv对间的分隔符 使用空格作为分隔符，留空即可。单击 写数据表-1 组件，在右侧 表选择 页签中，配置 写入表表名 为smart_multiclass_output。单击画布中的运行按钮，...
PS-SMART回归
稀疏矩阵 选中 稀疏矩阵 复选框。key与value分隔符 配置为半角冒号（:）。kv对间的分隔符 配置为空格。在画布中单击 写数据表-1 组件，在右侧 表选择 页签，配置 写入表表名 为smart_regression_output。参数配置完成后，单击运行按钮，...
PLDA
正整数-1 输入和输出设置 输入 数据必须为稀疏矩阵的格式。可以通过三元组转KV组件进行转换。输入格式如 输入格式 所示。图 1.输入格式 第一列：docid。第二列：单词及词频的kv数据。输出：输出依次为：topic-word频率贡献表、单词|主题...
SimRank+相似度计算算法
本文介绍了推荐系统中一个常用的协同过滤算法SimRank，包括它的算法原理，及其应用在个性化推荐场景时的改进。同时，本文还描述了如何在生产环境部署SimRank+算法。算法简介 SimRank算法是一种用于衡量结构上下文中个体相似度的方法，其...
加密与签名数据的格式
消息头中的算法详情如下表所示：算法号 算法信息 算法 工作模式 密钥长度（bit）初始向量长度（Byte）1 AES_GCM_NOPADDING_128 AES GCM 128 12 2 AES_GCM_NOPADDING_256 AES GCM 256 12 3 AES_CBC_NOPADDING_128 AES CBC 128 16 4 AES_CBC_...
工作原理
本文介绍智能巡检的背景信息、工作原理、功能特性、基本概念、调度与执行场景和使用建议。背景信息 基于时间的数据（例如日志、指标）日积月累后会积累大量的数据。例如，某个服务每天产生1000万条数据，则一年大约为36亿条数据。对于这些...
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...
通过Proxy Query Cache优化热点Key问题
工作原理 图 1.Proxy Query Cache原理 云数据库Redis会根据高效的排序和统计算法识别出实例中存在的热点Key（通常热点Key的QPS大于3,000），开启该功能后，代理节点Proxy会根据设定的规则缓存热点Key的请求和查询结果（仅缓存热点Key的查询...
Designer使用案例汇总
使用ALS算法实现音乐评分预测（旧版）介绍如何使用ALS矩阵分解算法预测用户对音乐的评分。智能风控解决方案 案例名称 描述 图像内容风控解决方案 基于人工智能算法快速构建符合业务场景的风控模型，并部署为EAS在线服务，助力您快速识别高...
通过Proxy Query Cache优化热点Key问题
工作原理 图 1.Proxy Query Cache原理 云原生内存数据库Tair 会根据高效的排序和统计算法识别出实例中存在的热点Key（通常热点Key的QPS大于3,000），开启该功能后，代理节点Proxy会根据设定的规则缓存热点Key的请求和查询结果（仅缓存热点...
Lasso回归预测
Lasso回归预测组件支持稀疏、稠密两种数据格式。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...
预测学生考试成绩
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 通过本工作流获得学生考试成绩预测模型后，您可以将需要预测的内容上传至MaxCompute表中，从而进行离线预测。前提条件 已创建工作空间，详情请参见 创建工作空间。已将...
什么是QUIC协议
工作原理 在阿里云DCDN中使用QUIC的工作原理如下图所示。对客户端的要求 QUIC协议对客户端的要求如下：如果您使用Chrome浏览器，当前阿里云DCDN已经支持HTTP/3的标准协议，Chrome支持直接对阿里云DCDN发起QUIC请求。如果您使用自研App，则...
岭回归预测
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回归方法，实质上是一种改良的最小二乘估计法，通过放弃最小二乘法的无偏性，以损失部分信息、降低精度为代价获得回归系数更为符合实际、更可靠的回归方法，对病态数据的拟合要强于...
Lasso回归训练
Lasso回归训练组件基于该算法，支持稀疏、稠密两种数据格式，且支持带权重样本的训练。本文为您介绍Lasso回归训练组件的配置方法。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...
岭回归训练
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回归方法，实质上是一种改良的最小二乘估计法，通过放弃最小二乘法的无偏性，以损失部分信息、降低精度为代价获得回归系数更为符合实际、更可靠的回归方法，对病态数据的拟合要强于...
什么是QUIC协议
工作原理 在阿里云CDN中使用QUIC的工作原理如下图所示。对客户端的要求 QUIC协议对客户端的要求如下：如果您使用Chrome浏览器，当前阿里云CDN已经支持HTTP/3的标准协议，Chrome支持直接对阿里云CDN发起QUIC请求。如果您使用自研App，则App...
混淆矩阵
本文为您介绍混淆矩阵组件的配置方法。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，配置混淆矩阵组件参数。方式一：可视化方式 在 Designer 工作流页面配置组件参数。参数 描述 原数据的标签列列名 支持...
偏最小二乘回归
计算逻辑原理 偏最小二乘用于查找两个矩阵（X 和 Y）的基本关系，即一个在这两个空间对协方差结构建模的隐变量方法。偏最小二乘模型将试图找到 X 空间的多维方向来解释 Y 空间方差最大的多维方向。偏最小二乘回归特别适合当预测矩阵比观测...
添加HTTP监听
健康检查原理，您可参考 CLB健康检查工作原理。配置健康检查参数的详细介绍，您可参考 配置和管理CLB健康检查。负载均衡调度算法介绍，您可参考 负载均衡调度算法介绍。如果您需要为HTTP监听添加域名或URL的转发策略，请参见 基于域名或URL...
相关系数矩阵
相关系数算法用于计算一个矩阵中每列之间的相关系数，取值范围为[-1,1]。系统计算时，count数按两列间同时非空的元素个数计算，两两列之间可能不同。组件配置 您可以使用以下任意一种方式，配置相关系数矩阵组件参数。方式一：可视化方式 ...
标签传播分类
标签传播分类为半监督的分类算法，原理为用已标记节点的标签信息去预测未标记节点的标签信息。标签传播分类组件能够输出图中所有节点对应的标签及其权重占比。算法说明 在算法执行过程中，每个节点的标签按相似度传播给相邻节点，在节点...
GBDT二分类V2
算法原理 梯度提升决策树模型构建了一个由多棵决策树组成的组合模型。每一棵决策树对应一个弱学习器，将这些弱学习器组合在一起，可以达到比较好的分类或回归效果。梯度提升的基本递推结构为：其中，通常为一棵 CART 决策树，为决策树的...
使用容器水平伸缩（HPA）
阅读前提示 为了帮助您更好地使用HPA功能，建议您在阅读本文前参见Kubernetes官方文档 Pod 水平自动扩缩 了解HPA相关的基础原理、算法细节、可配置的扩缩行为等等。此外，ACK集群提供了多种 工作负载伸缩（调度层弹性）和 节点伸缩（资源层...
K均值聚类算法（K-Means）
该算法原理为：先将数据分为K组，随机选取K个对象作为初始的聚类中心，然后计算每个对象与各个种子聚类中心之间的距离，将每一个对象分配给距离它最近的聚类中心，聚类中心以及分配给它们的对象就代表一个聚类。即K-Means算法将输入表的...
添加TCP监听
健康检查原理，您可参考 CLB健康检查工作原理。配置健康检查参数的详细介绍，您可参考 配置和管理CLB健康检查。如果您遇到监听相关问题，您可参考 CLB监听服务FAQ 进行问题定位及处理。负载均衡调度算法介绍，您可参考 负载均衡调度算法...
K均值聚类
功能说明 K均值聚类是一种矢量量化方法，在数据挖掘的聚类分析中很流行。K均值聚类通过试图分离 n 个相等方差组的样本来聚集数据，用最小化或者簇内和平方的标准。该算法需要指定簇的数量，它可以很好地扩展到大量样本，并已经被广泛应用于...
K近邻
K近邻算法进行分类的原理是针对预测表的每行数据，从训练表中选择与其距离最近的K条记录，将这K条记录中类别数量最多的类，作为该行的类别。组件配置 您可以使用以下任意一种方式，配置K近邻组件参数。方式一：可视化方式 在 Designer 工作...
功能特性
AutoML工作原理 特征平台FeatureStore 任务中心 FeatureStore为您提供任务中心功能，记录了数据离在线同步、训练样本导出等任务的日志详细信息，您可以在特征项目中的任务中心中查看当前项目的所有任务及任务状态。任务中心 场景化解决方案...
资源画像
ACK为K8s原生的工作负载提供了资源画像的能力，通过对资源使用量历史数据的分析，实现了容器粒度的资源规格推荐，可以有效简化为容器配置Request和Limit的复杂度。本文介绍如何通过控制台和命令行使用资源画像功能。前提条件及注意事项 仅...
心脏病预测
本工作流基于真实的心脏病患者体测数据，为您介绍如何通过数据挖掘算法构建心脏病预测模型。前提条件 已创建工作空间，详情请参见 创建工作空间。已将MaxCompute资源关联到工作空间，详情请参见 管理工作空间。数据挖掘流程 数据集 本工作...
发电场输出电力预测
本文为您介绍如何使用 Designer 预置的工作流模板，快速构建发电场输出电力预测模型。背景信息 本工作流基于综合循环发电场的发电数据，展示机器学习在工业生产中的应用。因为风力发电的输出电力通常决定了单位发电机能够生产的电能，所以...
逻辑回归二分类
经典逻辑回归是一个二分类算法，支持稀疏及稠密数据格式。组件配置 您可以使用以下任意一种方式，配置逻辑回归二分类组件参数。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 训练特征列 输入数据源中...
- 产品推荐
- 这些文档可能帮助您