向量检索
背景信息 功能介绍 您可以通过AI算法提取非结构化数据的特征进行数据编码，形成一个特征向量，将特征向量存储在 AnalyticDB MySQL 中。使用特征向量标识非结构化数据，向量间的距离用于衡量非结构化数据之间的相似度。AnalyticDB MySQL ...
模型配置
训练特征Top10是训练中前10个最显著的训练标签特征，即算法模型中重要性比较高的10个用户指标。如需要了解预测结果人群与随机人群的训练特征Top10对比情况，请查看 模型验证。训练特征Top10如下图所示。所有训练标签特征均为训练算法模型时...
特征编码
功能介绍 特征编码由决策树和Ensemble算法挖掘新特征的一种策略，特征来自一个或多个特征组成的决策树叶子结点的one-hot结果。例如，下图有三棵树，共有12个叶子结点。根据树的顺序依次编码为0~11号特征，其中第一棵树的叶子结点占据0~3号...
PS-SMART二分类训练
GBDT类算法适合直接使用连续特征进行训练，除需要对类别特征进行One-Hot编码（筛除低频特征）以外，不建议对其他连续型数值特征进行离散化。PS-SMART算法会引入随机性。例如，data_sample_ratio 及 fea_sample_ratio 表示的数据和特征采样...
模型打分服务配置
场景配置，场景算法名+算法详细配置 SceneConf.${algo}.AlgoType 算法类型：random，disjoint,hybrid SceneConf.${algo}.ArmFeatureDao Arm原始特征表配置，打分服务从该表加载原始Arm特征 SceneConf.${algo}.LinUCBConf LinUCB算法参数...
特征尺度变换
特征尺度变换算法组件支持对稠密或稀疏的数值类特征进行常见的尺度变换。功能介绍 特征尺度变换的功能如下：支持常见的 log2、log10、ln、abs 及 sqrt 等尺度变化函数。支持稠密及稀疏数据格式。组件配置 您可以使用以下任意一种方式，配置...
美颜特效SDK简介
人脸认证/相似度检测 通过人脸关键点、人脸特征计算等算法，支持各种角度下，对目标人脸进行确认与相似度计算，并提供相似度打分处理。应用场景 生活直播 适用于各类直播场景，满足实时美颜美化需求。长短视频 辅助视频制作，提供各类贴合...
选型指导
通过数据诊断可以分析用户特征、物品特征中特征的有效性，分析用户行为表是否正确，并且决定推荐算法定制中的特征和配置参数。推荐算法定制可以帮助用户生成相关代码，快速产出召回和排序相关的数据和模型。二、资源选型 构建完整的推荐...
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...
新功能发布记录
提供行业算法模板，包含特征工程、召回、排序、在线推理等在内的完整推荐链路，仅需完成数据对接，即可快速接入个性化功能。开放丰富的运营工具，支持按页面配置选品、投放规则，辅助打散、混排、实时正向负向反馈等功能，提升用户浏览体验...
使用EasyRec构建推荐模型
该特征通常在DIN算法或BST算法中使用。ComboFeature（组合特征）对输入的离散值进行组合 各特征的共用字段及特有字段如下。表 1.各特征的共用字段 字段 描述 input_names 输入的字段。根据实际需要，可以设置1个或多个字段。feature_name ...
一致性检查
功能说明 特征一致性是算法项目中常见的工程课题，指的是模型训练的特征和在线打分的特征逻辑要一致，如果特征不一致会导致产品或应用出现打分不一致、效果异常，所以建议定期执行特征一致性检查任务，避免因特征不一致导致的效果下跌问题...
梯度提升决策树算法（GBDT）
同时，GBDT算法相比于其它算法需要更少的特征工程，可以不用做特征标准化，也不必关心特征之间是否相互依赖，能很好的处理字段缺失的数据，健壮性好。使用场景 GBDT通常被应用在二分类、多分类以及排序等场景。例如，在个性化商品推荐场景...
工作原理
取值：运行中（RUNNING）重试中（STARTING）成功（SUCCEEDED）失败（FAILED）数据特征 数据特征包含以下配置：观测间隔：数据观测采集的时间间隔，也是算法执行分析的时间间隔。由任务规则生成，不会受到上一个实例执行超时、延迟、补运行...
基本概念
特征组 特征组包含特征列表和特征服务的配置信息，一个特征组可复用于多个项目的多个模型中。特征列表 特征列表为某一类特征服务支持的特征字段集合。这些特征服务的服务地址不同，但有相同的协议、出参和入参。特征映射 将模型训练中的入...
PS线性回归
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 您可以使用以下任意一种方式，配置PS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 输入数据源中，...
PAI-REC推荐算法定制的最佳实践文档
阅读指引：为方便用户快捷体验PAI-REC产品，本文提供了一份公开数据集，用户可按照文档说明按步体验PAI-REC推荐算法定制的召回、特征工程、精排等关键功能的配置，生成代码并部署到 DataWorks 相应的业务流程中。1.克隆公开数据集 我们在可...
工作原理
取值：运行中（RUNNING）重试中（STARTING）成功（SUCCEEDED）失败（FAILED）数据特征配置 数据特征配置中包含时间项、实体项和特征项等参数。更多信息，请参见 数据特征配置参数说明。算法配置 算法配置中包含周期配置、假日配置、预测...
PolarDB for AI助力菜鸟实现一站式数据智能
但是在AI模型的生命周期管理过程中，存在如下痛点：业务不灵活：数据标注加工、算法设计与开发、特征工程、模型训练、模型调优、模型评估、模型上线等工作涉及众多业务系统、至少三类工程师角色，业务逻辑复杂，全流程耗时过长，当有新需求...
产品优势
准确可靠 基于淘宝、支付宝、阿里云等多业务线20年业务风险管理实战经验，拥有海量特征样本及丰富的算法模型。支持手机号、设备号、ip、行为等多维度精准识别黑灰产风险，提供量化的风险评分及精细化的风险标签体系。实时高性能 基于阿里云...
2.6 人脸算法服务 API
1、方案介绍 人脸算法服为边缘服务器提供人脸算法支持，当云端下发人脸权限时，边缘服务器会通过预设的人脸算法获取权限对应的人脸特征值。2、通讯协议 驱动和边缘人脸算法间通过 HTTP 协议进行数据通讯，边缘服务器作为 HTTP Client 人脸...
智能推荐的审计事件
CreateExtraDataSource 创建特征、样本等扩展数据源。CreateFilteringAlgorithm 创建过滤算法。CreateFlowControlTask 创建流控任务。CreateInstance 创建一个预付费实例。CreateRankingModel 创建排名模型。CreateRankingModelTemplate ...
模型管理
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的图标，展开查看模型的版本。查看：可查看联邦学习过程中的验证、训练的评估指标和指标折线...
SSL证书选购指引
行业 业务特征 案例 证书品牌 证书类型 算法 域名类型 金融、银行 希望在网站地址栏展示企业身份信息 对数据传输保密性的要求较高 中国银行 DigiCert EV RSA 单域名 教育、政府、互联网 网站后期有多个新增站点的需求 无需在网站地址栏展示...
模型特征配置
在配置特征之前，建议阅读一下这篇文章：《在生产环境的推荐系统中部署Contextual bandit(LinUCB)算法的经验和陷阱》,文章介绍了哑变量陷阱，以及超参数调参经验。在以下所有类型的特征中，expression 是必选项（除lookup feature外），...
门禁物模型
人脸特征下发[1][P]算法版本 FaceAlgorithmVersion[P]固件版本 FirmwareVersion[P]支持人脸特征开关 SupportFaceFeature[S]部署人脸特征 SyncFaceFeatures 在人脸1.0基础上，增加人脸特征下发功能 可视对讲[S]下发手机号校验结果 ...
搜索增强
特征增强 通过增加特征因子，引入对应增强算法，提升搜索效果和效率。特征因子包括如下：特征因子1，分词：名词解释：将连续的字序列按照一定的规范重新组合成语义独立词序列的过程。功能说明；对带构建索引的文本进行中文分词处理。示例：...
什么是推荐全链路深度定制开发平台PAI-REC
因为我们可以从客户埋点的日志开始做数据分析，然后可以根据业务定制出特征工程、召回、排序的算法代码，引擎的配置文件，实验报表指标和统计代码。帮助客户轻松的搭建推荐系统，完善推荐场景，缩短推荐业务的建设和优化的周期。不管客户是...
产品简介
本项目类型无需上传标注数据，算法将自动分析文本中的特征，抽取关键短语。同时，也可上传自定义词表以优化各自领域的关键短语抽取效果。500个字符 文本关系抽取 抽取文本中的实体及对应的关系。例如人名与生日，机构与成立时间等，本平台...
数据对接期
目前类目的功能在智能推荐中主要用于打散，也会在排序的时候作为特征考虑到模型中，对算法效果有促进作用。类目的使用需要视用户的业务逻辑，如果没有打散需求，可以置空。如何使用参见 数据规范 中对类目相关字段的解释，如果埋点参见 ...
功能概述
实现原理 分析型数据库MySQL版的向量分析旨在帮助您实现非结构化数据的近似检索和分析，其实现原理是通过AI算法提取非结构化数据的特征，然后利用特征向量唯一标识非结构化数据，向量间的距离用于衡量非结构化数据之间的相似度。...
特征管理
本文介绍了在PolarDB for AI中，特征管理的适用场景，以及创建特征、更新特征、查看特征状态、查看特征列表以及删除特征的语法及其示例内容。适用场景 从原始数据直接构建机器学习模型往往比较困难。机器学习模型的输入一般会先对原始数据...
概述
AnalyticDB PostgreSQL版 向量分析可以通过AI算法提取非结构化数据的特征，并利用特征向量作为非结构化数据的唯一标识，帮您快速且低成本地实现对非结构化数据检索和对结构化数据关联分析。向量数据库简介 在现实世界中，绝大多数的数据都...
设置四层AI智能防护
对于带有明显攻击特征的恶意IP，智能防护算法将根据需要自动将其添加到针对DDoS高防实例的流量黑名单中，在一定时间内丢弃其全部访问请求。您可以随时查看或删除黑名单中的IP，也可以在黑名单中手动添加其他恶意IP进行防御。同时，您还可以...
工况识别-训练
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：若存在非数值数据，则会抛出异常）CSV组件。IgateOffline组件。平台上其他数据处理组件。按照...
K均值聚类算法（K-Means）
即K-Means算法将输入表的某些列作为特征，根据用户指定的相似度计算方式，将原始数据聚成若干类。使用场景 K-Means算法被广泛应用于需要对数据记录进行聚类的场景。以下列出了六类使用场景：文档分类 根据标签、主题和文档内容将文档分为多...
使用FM-Embedding实现推荐召回
本文为您介绍如何使用FM算法和Embedding提取算法，快速生成User和Item的特征向量。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 管理工作空间计算资源。背景信息 智能推荐包括召回和...
创建安全联邦学习任务（任务模式）
适用特征维度特别多，特别是神经网络算法。数据集设置 配置使用方和加持方的数据信息，用于后续的数据处理。使用方：指需要数据的一方。加持方：指提供数据的一方。训练集：需训练的数据表。Label字段：指标签字段，用于后续训练学习。对齐...
分段多项式回归
算法参数 参数名 参数描述 是否必填 参数默认值 参数范围 是否自动分段 选择是否由算法自动分段。是 是 是 否 特征指数 配置特征项数。是 1[1,100]是否使用截距 选择模型训练时是否使用截距。是 是 是 否 是否正则化 选择模型训练前是否对...
智能评审
评审人推荐 评审人推荐算法主要基于以下条件衡量分析：文件特征：评审人评审过同一个文件或同一个目录下的文件；评论特征：评审人评论过同一个文件或同一个目录下的文件；分支特征：评审人参与过同一个目标分支的评审；历史评审人特征：...
- 产品推荐
- 这些文档可能帮助您