组件参考：所有组件汇总
IForest异常检测 该组件使用sub-sampling算法，降低了算法的计算复杂度，可以识别数据中的异常点，在异常检测领域有显著的应用效果。One-Class SVM异常检测 该组件与传统SVM不同，是一种非监督的学习算法。您可以使用One-Class SVM异常检测...
查看及管理逻辑表相关对象
逻辑表的相关对象，指关联维度引用了当前表的其他逻辑表、当前表引用读取的表及引用了当前表的计算/集成任务（当前表是此任务的输入表）/逻辑表。本文为您介绍如何查看及管理逻辑表的相关对象。逻辑表相关对象入口 请参见 数据开发入口，...
查看及管理逻辑表相关对象
逻辑表的相关对象，指关联维度引用了当前表的其他逻辑表、当前表引用读取的表及引用了当前表的计算/集成任务（当前表是此任务的输入表）/逻辑表。本文为您介绍如何查看及管理逻辑表的相关对象。逻辑表相关对象入口 请参见 数据开发入口，...
逻辑表配置概述
对于逻辑表任务，您需定义该任务的调度相关属性，包括调度周期、调度依赖、调度...相关对象 逻辑表的相关对象，指关联维度引用了当前表的其他逻辑表、当前表引用读取的表及引用了当前表的计算/集成任务（当前表是此任务的输入表）/逻辑表。
逻辑表配置概述
相关对象 逻辑表的相关对象，指关联维度引用了当前表的其他逻辑表、当前表引用读取的表及引用了当前表的计算/集成任务（当前表是此任务的输入表）/逻辑表。后续步骤 逻辑任务配置完成后，您可提交并发布至生产环境。后续可在生产环境进行...
配置LogicalTable输入组件
您也可以通过以下方式，将其他逻辑表添加至逻辑表下拉列表中：如果您需要选择当前没有权限的逻辑表，则申请对应逻辑表的权限。如何申请逻辑表权限，请参见 申请、续期和交还表权限。如果您需要创建新的逻辑表，则单击下图中的 新建，按照...
配置LogicalTable输入组件
您也可以通过以下方式，将其他逻辑表添加至逻辑表下拉列表中：如果您需要选择当前没有权限的逻辑表，则申请对应逻辑表的权限。如何申请逻辑表权限，请参见 申请、续期和交还表权限。如果您需要创建新的逻辑表，则单击下图中的 新建，按照...
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...
安全算法示例
本文为您介绍资产安全涉及的加解密算法的类型、密钥长度以及高级设置范围等。加解密算法示例 FF1加解密算法的配置方式与加解密组件一致...其他安全算法示例 其他算法 示例 高斯噪音 明文：100。密文：120对应算法为 ddGaussianNoise(column)。
安全算法示例
本文为您介绍资产安全涉及的加解密算法的类型、密钥长度以及高级设置范围等。加解密算法示例 FF1加解密算法的配置方式与加解密组件一致...其他安全算法示例 其他算法 示例 高斯噪音 明文：100。密文：120对应算法为 ddGaussianNoise(column)。
创建工作流：自定义模板
本文为您介绍如何将工作流保存为自定义模板，供工作空间内其他成员使用。背景信息 Designer首页提供了几十个预置模板，帮助不同行业的新用户快速上手。在正式使用的企业客户中，算法专家来开发算法流程，将稳定的工作流制作成模板分享给...
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）、Random（随机搜索）、Evolution（演化算法）、GP（贝叶斯优化）、PBT（异步优化算法），以及对应的应用场景。支持地域（region）当前AutoML...
什么是开放平台
智能制造平台 AICS（Artificial Intelligence Control System）：低代码算法逻辑开发，所见即所得的优化与控制一体化解决方案。DTwin（DataTwin）：基于数据驱动的工业三维“超拟真”数字孪生平台，创造数据驱动的工业超拟真环境。工业数据...
管控台概览
右侧栏为该场景核心算法逻辑，包括核心信息提取、Query分段结果拓展、多条拓展结果合并、结构化查询和相关性查询四大步骤。步骤一：核心信息提取，提取Query关键词信息。步骤二：Query分段结果拓展，针对提取的关键词进行解释释义。步骤三...
图像关键点训练
如果您的业务场景涉及人体相关的关键点检测，则可以通过图像关键点训练组件构建关键点模型，从而进行模型推理。本文为您介绍图像关键点训练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...
功能特性
科学统一的评估参数决策最优模型 算法逻辑的复杂和专业性使得用户在面对生成的多个候选模型时筛选茫然，基于这种情况，我们在训练结束后可以进入评估环节，只要少量的测试集上传就可以根据平台提供的可视化数据评估指标来进行筛选和抉择，...
Proxima Cluster参数
proxima.kmeans.cluster.seeker_class STRING LinearSeeker 查找中心点算法类 proxima.kmeans.cluster.seeker_params IndexParams 查找中心点算法类参数 IndexParams 对象 1.2 GpuKmeansCluster 参数名 类型 默认值 备注 proxima.general....
AIOps 解决方案专家服务内容说明
智能算法列表 类型 算法名称 算法逻辑 异常诊断类算法 One-Class SVM 基于历史批量数据的做算法学习并进行异常诊断 异常诊断类算法 孤立深林 基于历史批量数据的做算法学习并进行异常诊断 异常诊断类算法 Robust Covariance 基于历史批量...
配置任务监控报警规则
指定时间点逻辑表中存在未完成的字段将触发告警（仅天级任务有效）。运行超时：设置运行超时须设置运行超过时间，支持配置的运行超时范围为 0~19999分钟，若超出范围将以输入值的临近默认值为运行时间范围。从实例运行状态变成 运行中 开始...
AddLogicTableRouteConfig-逻辑表中配置路由算法
为逻辑表添加路由算法配置。调试 您可以在OpenAPI Explorer中直接运行该接口，免去您计算签名的困扰。运行成功后，OpenAPI Explorer可以自动生成SDK代码示例。调试 授权信息 下表是API对应的授权信息，可以在RAM权限策略语句的 Action 元素...
配置蓝图交互逻辑
您还可以选择其他的算法服务，例如 random.org 在蓝图编辑器画布中再次添加三个 串行数据处理 逻辑节点，分别名命为 一等奖数据、二等奖数据 和 三等奖数据。将 抽奖池 节点内的 当数据接口请求完成时 与 抽出一二三等奖 逻辑节点左侧相连...
配置蓝图交互逻辑
您还可以选择其他的算法服务，例如 random.org 在蓝图编辑器画布中再次添加三个 串行数据处理 逻辑节点，分别命名为 一等奖数据、二等奖数据 和 三等奖数据。将 抽奖池 节点内的 当数据接口请求完成时 与 抽出一二三等奖 逻辑节点左侧相连...
高维向量检索（PASE）
在大数据量的情况下，使用HNSW算法的性能提升相比其他算法更加明显，但邻居点的存储会占用一部分存储空间，同时召回精度达到一定水平后难以通过简单的参数控制来提升。HNSW的算法原理参见下图。算法流程说明：构造多层图，每层图都是下层图...
高维向量检索（PASE）
在大数据量的情况下，使用HNSW算法的性能提升相比其他算法更加明显，但邻居点的存储会占用一部分存储空间，同时召回精度达到一定水平后难以通过简单的参数控制来提升。HNSW的算法原理参见下图。算法流程说明：构造多层图，每层图都是下层图...
高效向量检索（PASE）
在大数据量的情况下，使用HNSW算法的性能提升相比其他算法更加明显，但邻居点的存储会占用一部分存储空间，同时召回精度达到一定水平后难以通过简单的参数控制来提升。HNSW的算法原理请参见下图。算法流程说明：构造多层图，每层图都是下层...
计算资源
计算资源的主要作用是执行各种计算任务，包括数据处理、算法运算、业务逻辑执行等。计算资源的性能和容量直接影响到系统的计算能力和响应速度，影响到服务质量。以下详细介绍5个计算资源风险点和应对的容错策略。资源分配不均 指因任务分配...
视频个性化推荐（协同过滤）
本案例将 以视频社交平台的'猜你喜欢'和'详情页相关推荐'为例，通过推荐算法为用户呈现最符合其兴趣的视频内容为背景，为您介绍在DataWorks中如何使用阿里云PAI的协同过滤算法 挖掘深层次的数据关联性，实现视频的个性化推荐。背景信息 ...
黄牛账号识别之GraphCompute解决方案
首先从离线算法出发：探索的路线从图传播算法——>图聚类算法——>图表征算法，挖掘更大范围，更深层次的风险。最开始使用图传播算法，可以快速地挖掘出少量风险实例且较高的准确率效果，但是半监督的图传播算法只能从局部出发，挖掘出已知...
功能更新动态（2022年）
2022年10月25日 华北2（北京）创建并配置普通维度逻辑表、创建并配置层级维度逻辑表、创建虚拟维度逻辑表 2022年10月27日 华东1（杭州）2022年11月01日 华南1（深圳）2022年11月03日 华东2（上海）SQL任务支持cost、reload function、...
DBSCAN聚类
计算逻辑原理 DBSCAN是一种基于密度的聚类算法，这类密度聚类算法一般假定类别可以通过样本分布的紧密程度决定。同一类别的样本，他们之间的紧密相连的，也就是说，在该类别任意样本周围不远处一定有同类别的样本存在。通过将紧密相连的...
K近邻
计算逻辑原理 最近邻方法的原理是找到距离新点最近的预定义数量的训练样本，并从中预测标签。样本数量可以是用户定义的常数（k-最近邻学习），也可以根据点的局部密度（基于半径的邻居学习）而变化。通常，距离可以是任何度量标准：标准...
数据对接期
如您的应用埋点逻辑暂时不支持获取到曝光数据或无法回传traceinfo数据，我们也提供了可由AIRec自行处理，不需要您来上传数据的功能，曝光数据与trace_info数据可分别进行设置：对曝光行为数据特殊处理：曝光行为数据是指：“推荐的商品在...
分段多项式回归
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随机性所产生的影响"局部化"的优点。按照分段规则、特征指数进行分段多项式建模...
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。...
工况识别-训练
计算逻辑原理 使用聚类、降维等无监督学习方法对工业数据进行分析，对不同工况数据分别建模。参数说明 IN端口-输入参数 参数名 参数描述 是否必填 输入数据类型 数据源类型 特征变量 用于建立训练模型的特征变量。是 整数或浮点数（说明：...
使用向量检索插件（aliyun-knn）
算法说明 在算法上，目前向量检索引擎已经支持了hnsw算法以及linear算法，适用于单机数据量小（全内存）的业务场景。两种算法性能对比如下。表 1.hnsw算法和linear算法性能对比 表格中为阿里云Elasticsearch 6.7.0版本环境实测数据，测试...
支持向量机
直观地看，借助超平面去实现一个好的分割，能在任意类别中使最为接近的训练数据点具有最大的间隔距离（即所谓的函数余量），这样做是因为通常更大的余量能有更低的分类器泛化误差。计算逻辑原理 支持向量机分类：就是找到一个平面，让两个...
基本概念
系统支持以下基础角色：资源管理员：拥有购买和管理计算资源的权限，通常是企业的阿里云账号，不在PAI页面显示管理，您可以通过RAM管理权限点和操作授权。工作空间负责人：创建工作空间的人自动成为工作空间负责人，拥有编辑工作空间成员、...
梯度提升回归树
计算逻辑原理 GBRT是一种迭代的回归树算法，由多棵回归树组成，合并许多弱学习器，每棵树只能对部分数据做出好的预测，所有树的结论累加起来得到最终结果。因为添加的树越来越多，可以不断迭代提高性能，所以GBRT是一种泛化能力较强的算法...
ListSensitiveColumns-搜索敏感字段列表
具体说明如下：操作：是指具体的权限点。访问级别：是指每个操作的访问级别，取值为写入（Write）、读取（Read）或列出（List）。资源类型：是指操作中支持授权的资源类型。具体说明如下：对于必选的资源类型，用背景高亮的方式表示。对于...
- 产品推荐
- 这些文档可能帮助您