历史版本下载
新的整型参数：C API:MDO_INT_PARAM_MIP_AUTO_CONFIGURATION.C++ API:MDO_INT_PARAM:MIP_AUTO_CONFIGURATION.Python API:MDO_INT_PARAM.MIP_AUTO_CONFIGURATION.JAVA API:MDO_INT_PARAM:MIP_AUTO_CONFIGURATION.新增的错误码：MDO_MODEL_...
通用聚合函数
max(c1)3.0 min(bigint)求BIGINT类型表达式的最小值。min(c1)1 min(float8)求FLOAT8类型表达式的最小值。min(c1)1.0 min(float4)求FLOAT4类型表达式的最小值。min(c1)1.0 min(int)求INT类型表达式的最小值。min(c1)1 min(numeric)求NUMERIC...
SimRank+相似度计算算法
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，其基本思想是：如果两个对象a和b分别与另外两个对象c和d关联，且已知c与d是相似的，则a与b也是相似的；并且任意节点与其自身拥有最大的相似度值为1。SimRank算法的主要...
HaaS EDU场景式应用整体介绍
本案例中包括以下主要知识点：AP3216C光照传感器的工作原理和使用 接近传感器原理与使用 光强与接近简单算法 通过本案例的学习，能完整的学习到光照与接近传感器的原理和使用，AliOS Things中光照传感器的数据读取，算法开发，接近距离简单...
哈希分片全链路测试
算法对比：对每个数据集，通过执行不同算法（Graph、HC、Linear），得到Proxima CE结果和C++ baseline的结果，对比各自的召回率，此处设置的TopK为100。Proxima CE的recall是通过从query表中采样100条query数据做的召回，主要是与Linear...
自有边缘主机接入实践
物联网边缘计算可以集成用户自有边缘主机管理接入的终端设备、应用、算法等，目前支持LE-C-BoxStd和LE-C-Svr两种规格的边缘主机接入。本文介绍在物联网边缘计算安装激活自有边缘主机的完成流程。背景信息 除了阿里云提供的官方主机外，边缘...
通过消费组拉取指标数据进行智能巡检
参数 说明 算法选择 异常检测算法。默认为 流式图算法。更多信息，请参见 算法说明。时序分段个数 对时序数值进行划分，用于离散化时间序列，构造时序演化图，降低噪音的影响。默认值为8。建议值范围为[5,20]。分段越少，对噪音越不敏感。...
系统管理
抠图放大倍率 算法告警目标抠图外扩的倍数。可选1~5倍，默认为放大1倍。图片时间戳 算法告警图片是否需要边缘一体机的时间戳水印。图片检测框 算法告警图片是否需要携带检测目标的渲染框。上报协议版本 上报算法告警事件的字段版本。目前有...
PGVector
PGVector插件的实现基于 PolarDB PostgreSQL版 的扩展机制，利用C语言编写实现了多种向量计算算法和数据类型。其中插件算法的具体流程如下：高维空间中的点基于隐形的聚类属性，按照kmeans等聚类算法对向量进行聚类处理，使得每个类簇有...
PGVector
PGVector插件的实现基于 PolarDB PostgreSQL版（兼容Oracle）的扩展机制，利用C语言编写实现了多种向量计算算法和数据类型。其中插件算法的具体流程如下：高维空间中的点基于隐形的聚类属性，按照kmeans等聚类算法对向量进行聚类处理，使得...
PGVector
PGVector插件的实现基于 PolarDB PostgreSQL版（兼容Oracle）的扩展机制，利用C语言编写实现了多种向量计算算法和数据类型。其中插件算法的具体流程如下：高维空间中的点基于隐形的聚类属性，按照kmeans等聚类算法对向量进行聚类处理，使得...
安全算法
安全算法运用哈希脱敏、遮盖掩码、加解密等方式对敏感数据（如姓名、账号、手机号等）进行脱敏处理且保持数据原有格式，本文为您介绍如何查看和测试系统内置的安全算法。查看安全算法 在Dataphin首页，单击顶部菜单栏的 资产。按照下图操作...
安全算法
安全算法运用哈希脱敏、遮盖掩码、加解密等方式对敏感数据（如姓名、账号、手机号等）进行脱敏处理且保持数据原有格式，本文为您介绍如何查看和测试系统内置的安全算法。查看安全算法 在Dataphin首页，单击顶部菜单栏的 资产。按照下图操作...
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...
配置 SSH 密钥
基于 ED25519 算法，生成密钥对命令如下：ssh-keygen-t ed25519-C"<注释内容>"基于 RSA 算法，生成密钥对命令如下：ssh-keygen-t rsa-C"<注释内容>"点击回车，选择 SSH 密钥生成路径。以 ED25519 算法为例，默认路径如下：Generating ...
XGBOOST多分类
一、组件说明 XGBoost是一种基于梯度提升决策树（Gradient Boosting Decision Tree）的机器学习算法。它通过改进传统梯度提升决策树的方式，加入正则化项、特征子采样和并行化等优化技术。XGBoost的优点是能够自动处理缺失值、异常值和噪声...
线性支持向量机
支持向量机SVM（Support Vector Machine）是基于统计学习理论的一种机器学习方法，通过寻求结构风险最小化，提高学习机泛化能力，从而实现经验风险和置信范围最小化。本文介绍线性支持向量机算法组件的配置方法及使用示例。背景信息 本文中...
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...
什么是储值卡
阿里云提供面值为 100 元的整倍数的储值卡。储值卡最小面值为 100 元。您可以使用储值卡进行新购、续费阿里云官网云产品，支持的计费方式包括包年包月和按量付费。适用产品 阿里云储值卡适用于大部分阿里云官网上的产品；不适用于建站市场...
机器学习
MADlib机器学习模块主要解决以下问题：分类/回归问题：提供一系列算法如K最近邻、MLP多层感知神经网络、SVM支持向量机、决策树等算法来解决二元分类/回归问题，集成最小二乘法、GLM广义线性回归、逻辑回归、多项式回归等模型来解决回归问题...
K均值聚类
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许多不同的领域。计算逻辑原理 K-means通常分为三个步骤：1.选择初始质心...
机器学习（MADlib）
插件简介 MADlib机器学习模块主要解决以下问题：分类、回归问题：提供一系列算法，如K最近邻、MLP多层感知神经网络、SVM支持向量机、决策树等算法来解决二元分类、回归问题，集成最小二乘法、GLM广义线性回归、逻辑回归、多项式回归等模型...
横向MLP二分类/MLP多分类/MLP回归
在训练过程中，利用反向传播算法（Backpropagation）和梯度下降算法（Gradient Descent）来优化模型参数，以最小化训练集中样本类别之间的差异性。在二分类问题中，多层感知机将输入特征映射到一个二元分类输出，即预测样本属于正例或负例...
人脸特征管理
path 版本/face/paas/feature/algorithm/list 1.0.0 入参：无 出参：使用通用结果类型，data域是列表，见下表的详细说明：字段 类型 备注 id String 算法ID provider String 算法供应商 name String 算法名称 version String 算法版本号 ...
GetAlgorithm-获取算法详情
0bddaf8f-5628-427a-8652-5e24f6b4c35d 返回参数 名称 类型 描述 示例值 object 成功获取算法详情。Data object 返回数据。Description string 算法说明。算法说明 Id string 算法 ID。sms_recall InferUserConfigMap string 预测所需参数...
DescribeDefaultAlgorithms-获取默认算法信息
scategory experimentValue string 算法配置项实验值 300 name string 算法配置项 name（说明：系统默认算法，控制台需要通过美杜莎获取，用户自定义算法，后端会返回 name）I2I算法 defaultValue string 算法默认值 对于 i2i,hot,new 等...
图算法
图计算服务GraphCompute新增图算法分析功能，提供分析查询一体化解决方案，方便用户快速进行全图数据分析。功能介绍 图计算服务GraphCompute新增图算法功能，基于当前服务的数据进行算法执行，方便用户快速进行全图数据的分析。只需要开通...
AsymmetricEncrypt
调用AsymmetricEncrypt...Action=AsymmetricEncrypt&Plaintext=SGVsbG8gd29ybGQ=KeyId=5c438b18-05be-40ad-b6c2-3be6752c*&KeyVersionId=2ab1a983-7072-4bbc-a582-584b5bd8*&Algorithm=RSAES_OAEP_SHA_1&公共请求参数 正常返回示例 XML 格式 ...
AsymmetricEncrypt
调用AsymmetricEncrypt...Action=AsymmetricEncrypt&Plaintext=SGVsbG8gd29ybGQ=KeyId=5c438b18-05be-40ad-b6c2-3be6752c*&KeyVersionId=2ab1a983-7072-4bbc-a582-584b5bd8*&Algorithm=RSAES_OAEP_SHA_1&公共请求参数 正常返回示例 XML 格式 ...
安全算法示例
加解密算法高级设置范围 加解密算法 模式 填充 IV（偏移量）备注 AES ECB NoPadding 不支持 加密数据长度必须为16的倍数 AES ECB PKCS5Padding 不支持 推荐 AES ECB PKCS7Padding 不支持 无 AES CBC NoPadding 长度必须为16位 加密数据长度...
安全算法示例
加解密算法高级设置范围 加解密算法 模式 填充 IV（偏移量）备注 AES ECB NoPadding 不支持 加密数据长度必须为16的倍数 AES ECB PKCS5Padding 不支持 推荐 AES ECB PKCS7Padding 不支持 无 AES CBC NoPadding 长度必须为16位 加密数据长度...
发送 HTTP 请求（C#）
API 网关提供了 C#SDK，即 mosng-sdk-csharp.zip。该 SDK 集成了加签、验签的逻辑，同时默认支持序列化和反序列化。前提条件 在进行本地应用开发前，您需要确保已经完成以下操作：已在 API 网关控制台创建了一个应用，参见 创建应用。已将...
数据滤波
最小值滤波：对输入信号做最小值滤波操作，取采样数据的最小值。FIR滤波：对输入信号做FIR滤波操作。算法采用的是低通FIR滤波，其原理是将输入信号中高于截止频率的频率成分滤除，只保留低于该截止频率的频率成分。低通FIR滤波器可以有效地...
AsymmetricDecrypt
OAEP_SHA_256 RSAES-OAEP using SHA-256 and MGF1 with SHA-256 384 RSA_3072 RSAES_OAEP_SHA_1 RSAES-OAEP using SHA1 and MGF1 with SHA1 384 EC_SM2 SM2PKE SM2椭圆曲线公钥加密算法 最大6144 本文将提供一个示例，使用密钥ID为 5c438b...
AsymmetricDecrypt
OAEP_SHA_256 RSAES-OAEP using SHA-256 and MGF1 with SHA-256 384 RSA_3072 RSAES_OAEP_SHA_1 RSAES-OAEP using SHA1 and MGF1 with SHA1 384 EC_SM2 SM2PKE SM2椭圆曲线公钥加密算法 最大6144 本文将提供一个示例，使用密钥ID为 5c438b...
Sign-证书仓库签名
ccaf0c629c2be1e2abb63bb76b SigningAlgorithm string 是 签名算法。取值：SHA256withRSA SHA256withRSA/PSS SHA256withECDSA SM3withSM2 SHA256withRSA MessageType string 是 消息类型。取值：RAW（默认值）：原始数据。DIGEST：原始数据...
梯度提升回归树算法（GBRT）
本文介绍了梯度提升回归树算法（Gradient Boosting Regression Tree，下文简称GBRT）相关内容。简介 GBRT算法是集成学习Boosting家族的成员，使用了前向分布算法，但是弱学习器限定了只能使用CART回归树模型。前向分布算法的思想是基于当前...
配置算法实例
算法实例是根据算法模板创建的具体实例，可以根据您设置的检测参数结合算法模型，完成对相关数据中异常信息的检测及诊断，协助您更好地解读设备数据，监测设备运行状态，及时发现潜在故障。前提条件 已创建算法实例。具体操作，请参见 创建...
调用链分析
spanName serviceName 请求数/请求比例 span数/请求倍数 平均自身耗时/比例 平均耗时 异常数/异常比例 A-demo 10/100.00%10/1.00 5.00ms/25.00%20ms 2/20.00%-B demo 4/40.00%8/2.00 16.00ms/100.00%16ms 2/50.00%-C demo 1/10.00%1/1.00 4...
调用链分析
spanName serviceName 请求数/请求比例 span数/请求倍数 平均自身耗时/比例 平均耗时 异常数/异常比例 A-demo 10/100.00%10/1.00 5.00ms/25.00%20ms 2/20.00%-B demo 4/40.00%8/2.00 16.00ms/100.00%16ms 2/50.00%-C demo 1/10.00%1/1.00 4...
- 产品推荐
- 这些文档可能帮助您