工作原理
工作原理 本地安装一个数据库网关代理（database gateway agent）。数据库网关代理负责与数据库网关云端服务（database gateway cloud service）建立安全的、可信任的通道。不同账号、不同网关所建立的通道彼此隔离。通道建立后，当您...
常见问题
云工作流的工作原理是什么？云工作流的优势是什么？云工作流最长执行多长时间？怎么执行云工作流？云工作流使用什么语言编写流程？云工作流是集成了云监控？云工作流是否集成了事件源？什么是 云工作流？云工作流 是一个用来协调多个分布式...
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...
拒绝推断
算法原理 拒绝推断方法需要根据输入的包含真实标签和预测结果的训练数据（又称为授信数据），给缺少真实标签但包含预测结果的数据加上合适的标签，没有真实标签的数据又称为拒绝数据。该算法提供以下四种拒绝推断方法。模糊法 模糊法...
Lasso回归预测
算法原理 Lasso回归算法通过构造一个惩罚函数，得到一个较为精炼的模型。使得它压缩一些回归系数，即强制系数绝对值之和小于某个固定值，同时设定一些回归系数为0。因此保留了子集收缩的优点，是一种处理具有复共线性数据的有偏估计。可视...
加工原理
本文档主要介绍进行数据加工时日志数据的调度原理，以及加工规则引擎的工作原理。调度原理 日志服务的数据加工功能使用协同消费组对源日志库的日志数据进行流式消费，将每一条日志通过加工规则处理后再输出。调度机制 对每一个加工规则，...
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...
GBDT二分类预测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...
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。...
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_...
Lasso回归训练
算法原理 Lasso回归算法通过构造一个惩罚函数，得到一个较为精炼的模型。使得它压缩一些回归系数，即强制系数绝对值之和小于某个固定值，同时设定一些回归系数为0。因此保留了子集收缩的优点，是一种处理具有复共线性数据的有偏估计。可视...
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...
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：...
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...
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...
改进版swing相似度计算算法
本文为您介绍改进版swing相似度计算算法原理，包括工具包下载、工具包详细参数说明以及常见问题等。改进版swing算法 改进1：限定common neighbour数量 原版的swing算法对于物品的同时被触达的用户数量过少的情况，并不适用。从统计学的角度...
限流防护
使用ASMGlobalRateLimiter对入口网关和应用服务入口流量配置全局限流 本地限流的工作原理 Envoy代理使用令牌桶算法实现本地限流。令牌桶算法是一种限制发送到服务端的请求数量的方法，基于一定数量的令牌桶。存储桶以恒定的速率不断填充...
HaaS EDU场景式应用整体介绍
本案例中包括以下主要知识点：陀螺仪工作原理 MPU-6050的驱动和使用 基础算法实现小球随手摆动 通过本案例的学习，能完整的学习到陀螺仪的工作原理，AliOS Things中陀螺仪数据读取，基础算法调教等等操作。同时，您还可以基于陀螺仪的数据...
算法任务配置
为您的摄像头设备（IPC设备）配置算法后，可以在边缘一体机管理控制台配置算法任务，将任务部署到边缘一体机。前提条件 已完成摄像头设备的网络配置，并在本地上线设备。...任务算法时间段 配置算法生效的时间段，其它时间段算法不工作。
限流算法选择
服务限流中主要使用了 QPS 限流算法和令牌桶算法两种限流算法，本文对这两种算法进行介绍。QPS 限流算法 QPS 限流算法通过限制单位时间内允许通过的请求数来限流。优点：计算简单，是否限流只跟请求数相关，放过的请求数是可预知的（令牌桶...
基于回归算法实现农业贷款发放预测
在工作流列表，选择农业贷款预测的回归算法实现工作流，单击 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 读数据表读入的数据为工作流数据集，包括：贷款训练集：共一百条历史贷款数据，包括 farmsize 及 ...
Smart Metrics常见问题
算法模型原理是什么？目前开放的算法模型基于开源fbprophet模型开发，并优化了曲线类型识别、多周期识别等功能。检测效果不符合预期，如何调整？可以通过调整灵敏度来动态调整上下边界的范围。灵敏度低代表更宽容的上下边界范围，灵敏度高...
SmartMetrics常见问题
算法模型原理是什么？目前开放的算法模型基于开源fbprophet模型开发，并优化了曲线类型识别、多周期识别等功能。检测效果不符合预期，如何调整？可以通过调整灵敏度来动态调整上下边界的范围。灵敏度低代表更宽容的上下边界范围，灵敏度高...
芯片厂商入驻流程
工作温度 类型 说明 消费级 芯片稳定工作温度区间-25℃~+85℃。工业级 芯片稳定工作温度区间-40℃~+125℃。存储器可靠性 类型 说明 消费级 可靠存储10年，可重复擦写10万次以上。工业级 可靠存储10年，可重复擦写50万次以上。车规级 可靠...
ALS矩阵分解
交替最小二乘ALS（Alternating Least Squares）算法的原理是对稀疏矩阵进行模型分解，评估缺失项的值，从而得到基本的训练模型。在协同过滤分类方面，ALS算法属于User-Item CF（Collaborative Filtering），兼顾 User 和 Item 项，也称为...
AutoML工作原理
AutoML实现自动化调试参数的工作原理，是通过实验、Trial、训练任务进行循环迭代，来找到最优的超参组合。AutoML的工作机制如下图。您设定好超参数的值域、搜索算法、停止条件配置后，AutoML将其作为一次实验（experiment）传入到后端进行...
使用ALS算法实现音乐评分预测（旧版）
ALS算法 交替最小二乘ALS（Alternating Least Squares）算法的原理是对稀疏矩阵进行模型分解，评估缺失项的值，从而得到基本的训练模型。在协同过滤分类方面，ALS算法属于User-Item CF（Collaborative Filtering），兼顾 User 和 Item 项，...
组件参考：所有组件汇总
ALS矩阵分解 交替最小二乘ALS（Alternating Least Squares）算法的原理是对稀疏矩阵进行模型分解，评估缺失项的值，从而得到基本的训练模型。swing训练 该组件是一种Item召回算法，您可以使用swing训练组件基于User-Item-User原理衡量Item...
自动机器学习（AutoML）
AutoML工作原理 AutoML实现自动化调试参数的工作原理，是通过实验、Trial、训练任务进行循环迭代，来找到最优的超参组合。AutoML使用限制及规格 AutoML的使用限制以及规格，包括当前支持的地域，支持的搜索算法TPE、GridSearch（网络搜索）...
新功能发布记录
有助于更好的理解推荐算法的原理，校验推荐结果是否符合业务诉求，辅助运营助手、算法调优的相关功能进行迭代。2022.08.29 所有用户 返回结果 新手引导“新手引导”功能可以帮助快速接入，更好发挥算法效果、提升接入体验：流程引导：围绕...
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'...
数据库内机器学习
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'...
前言
工作原理 创建 App：创建 App 时，将运行作业需要的软件或脚本安装在自定义的镜像中，并设置资源的默认配置，以及输入输出的格式。提交 App 作业：提交作业时，按照上述资源配置启动虚拟机镜像或 Docker 镜像，使用用户输入的数据运行软件...
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...
信号保持
计算逻辑原理 将算法运行状态分为保持状态和非保持状态，初始化默认为非保持状态。保持状态下 若未达到保持周期，则输出上一次的输出信号。若达到保持周期，则运行状态变为非保持状态。非保持状态下 若输入信号和上一次的输出信号不一致且...
Designer使用案例汇总
SimRank+相似度计算算法 介绍协同过滤算法SimRank的原理和其应用在个性化推荐场景时的改进，以及如何在生产环境部署SimRank+算法。改进版swing相似度计算算法 介绍改进版swing相似度算法原理，包括工具包下载、工具包详细参数说明以及常见...
添加HTTPS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HTTPS监听添加域名或URL的转发策略，请参见 基于域名或...
PageRank
PageRank算法是计算网页排名的经典算法。输入是一个有向图G，其中顶点表示网页。如果存在网页A到网页B的链接，则存在连接A到B的边。算法的基本原理如下：初始化：点值表示PageRank的rank值（DOUBLE类型）。初始时，所有点取值为 1/...
推荐算法定制的最佳实践文档
6.3.2.swing u2i 召回 swing是一种Item召回算法，基于User-Item-User原理衡量Item的相似性 6.3.3.向量召回 提供两种向量召回方式dssm和mind，具体介绍参考：MIND DSSM 6.3.4.全局热门召回 全局热门召回是按照点击事件统计得到热门的物品...
- 产品推荐
- 这些文档可能帮助您