阿里云验证码

通过对用户的行为数据、设备特征与网络数据构建多维度数据分析,使用业界先进的风控引擎结合“规则+AI”模型,对风险设备使用、模拟行为、暴力重放等攻击进行综合实时风控判决,解决企业账号、活动、交易等关键业务环节存在的欺诈威胁,...

视频内容检索

通过深度学习模型理解视频,提取视频内容特征,建立视频搜索引擎。用户通过输入视频,可以在视频库中快速检索到与输入视频相似的视频片段,并能有效避免视频格式转换、编辑、剪辑拼接、压缩旋转等变换对视频搜索结果的影响。可广泛用于版权...

卫星及无人机遥感影像分析产品

analysis)依托于阿里巴巴在深度学习,计算机视觉方向上的技术积累,采用基于深度学习的多尺度融合检测技术,实现了卫星及无人机影像中的变化特征及建筑、土地、河流等多种目标信息的智能解译,能够改变传统遥感数据处理耗时长、效率低等...

云游戏平台

云游戏PaaS平台是为游戏云化量身打造的一站式服务平台,具备游戏快速适配、资源弹性伸缩、全局智能调度、可视化数据运营和完善的平台运维能力。庞大的资源池支持海量...满足用户法创新、即点即用、微端试玩等需求,带来无与伦比的新体验。

主成分分析

特征分解方式 分解特征的方式,取值如下: CORR COVAR_SAMP COVAR_POP 数据转换方式 转换为新数据的处理方式,取值如下:Simple Sub-Mean Normalization 执行调优 生命周期 指定输出表的生命周期,取值为正整数。节点个数 与单个节点内存...

序列分解函数

序列分解函数提供针对业务曲线的分解功能,突出曲线的趋势信息和周期信息。ts_decompose 函数格式:select ts_decompose(x, y)参数说明如下:参数 说明 取值 x 时间列,从小到大排列。格式为Unixtime时间戳,单位为秒。y 数值列,对应某...

使用ALS算法实现音乐评分预测

本文为您介绍如何使用ALS矩阵分解算法预测用户对音乐的评分。前提条件 完成项目的创建,详情请参考创建项目。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...

奇异值分解

奇异值分解(Singular Value Decomposition)是线性代数中一种重要的矩阵分解,是矩阵分析中正规矩阵求对角化的推广。在信号处理、统计学等领域有重要应用。背景信息 奇异值分解的公式为X=U S V’。参数配置 PAI-Studio支持通过可视化或PAI...

算法说明

目前智能巡检使用流式图算法和流式分解算法进行数据巡检。本文介绍流式图算法和流式分解算法的适用场景、参数配置、预览说明等内容。流式图算法 流式图算法基于Time2Graph系列模型中的原理进行研发,可对数据进行整体降噪,分析异常数据...

影响查询性能的因素

MySQL版集群支持多种规格(更多详情,请参见规格),不同集群规格的CPU核数、内存大小和数据存储介质等属性不同,处理子任务的能力也就不同,因此您需要结合业务查询特征来选择集群规格。例如,以Join或分组聚合为主的业务查询会消耗较多的...

ALS矩阵分解

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,也称为混合CF。组件配置 PAI-Studio提供ALS算法...

推荐解决方案综述

使用如下任何一种算法挖掘特征(User和Item本身特征、User-Item交叉特征及Context特征):挖掘特征工程:特征工程。自动挖掘Autocross特征:Auto ML自动特征工程使用说明。使用FM算法自动挖掘二阶交叉特征:使用FM-Embedding实现推荐召回。...

概述

日志服务机器学习功能为您提供多种功能丰富的算法和便捷的调用方式,您可以在日志查询分析中通过分析语句和机器学习函数调用机器学习算法,分析某一字段或若干字段在一段时间内的特征。针对时序数据分析场景,日志服务提供了丰富的时序分析...

1.2.2 用户特征管理

创建根特征,输出一下信息:特征名称:用户特征名称,例如:VIP用户,普通用户特征描述:特征的描述,例如:月消费20000元以上特征编码:特征的唯一编码,建议数字英文混合用户标签:渠道对应的用户标签类型 根特征详情•创建子用户特征是...

3.3 功能描述

创建根特征 特征编码唯一确定用户特征的标识特征名称标识用户群体的名称特征描述可以描述这类人群的基本特征。3.3.3.根特征详情3.3.3.1 创建子用户特征是在基本用户群基础上划分更细的用户群体。3.3.3.2 关联用户标签3.3.4.编辑根特征修改...

Auto ML自动特征工程使用说明

特征工程是在做机器学习训练的过程中必不可少的环节,特征工程就是找出对模型结果有益的特征交叉关系,通常特征工程需要耗费算法工程师大量的精力去尝试。针对这样的场景,PAI推出智能特征交叉组件,基于该组件可以帮助您锁定哪些特征的...

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。参数配置 PAI-Studio支持通过可视化或PAI命令的...

特征离散

特征离散算法组件是将连续性特征按照一定的规则进行离散化。功能介绍 离散模块的功能如下:支持稠密数值类特征离散。支持等频离散和等距离离散等无监督离散。说明 无监督离散的特征离散默认为等距离离散。支持基于Gini增益离散和基于熵增益...

特征重要性过滤

特征重要性过滤组件为线性特征重要性、GBDT特征重要性和随机森林特征重要性等组件提供过滤功能,支持过滤TopN的特征。组件配置 PAI命令PAI-name fe_filter_runner-project algo_public DselectedCols=pdays,previous,emp_var_rate,cons_...

全域分析

显著特征洞察基于当前空间下的全量存量用户,洞察整体特征分布情况,了解显著特征。您可以切换TGI值最高或人数占比最高,分别观察TGI指数分析、覆盖人数分析的结果:TGI指数分析说明:TGI:Target Group Index(目标群体指数);TGI=A/B*标准...

云效助力互联网+医疗「远图互联」提效

用表格管理的需求与任务:基于钉钉任务管理采用钉钉任务对需求版本进行任务分解和排期,在一定程度上解决了进度状态同步的问题,历史交付也在一定程度上有所留痕,但依然存在一些不足的地方:•不支持跨产品虚拟团队人员的全量任务跟踪;...

特征异常平滑

特征平滑组件可以将输入特征中包含异常的数据平滑到一定区间,支持稀疏和稠密数据格式。背景信息 平滑方法如下:ZScore平滑 如果特征分布遵循正态分布,则噪音一般集中在-3×alpha和3×alpha之外,ZScore是将该范围的数据平滑到[-3×alpha,...

异常检测

异常检测用于检测连续值和枚举值类特征的数据,帮助您挖掘数据中的异常点。背景信息 异常检测的方法包括箱型图(Box-plot)和AVF(Attribute Value Frequency):箱型图用于检测连续值类特征的数据,根据箱线图最大值和最小值检测异常特征...

调整物品特征优先级,适配行业特征优化效果

本文向您介绍如何通过控制台中的实验,调整召回链路实验规则,进而适配行业的业务特征,达到最优的推荐效果。一、什么是用户偏好二阶传导算法用户偏好二阶传导算法是阿里内部演进出来,针对特定物品特征的召回链路。可以让产品运营同学,...

PS-SMART回归

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)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、算法...

PS-SMART多分类

特征重要性类型 支持模型中,该特征做为分裂特征的次数、模型中,该特征带来的信息增益及模型中,该特征在分裂节点覆盖的样本数类型。执行调优 核心数 默认为系统自动分配。每个核的内存大小 单个核心使用的内存,单位为MB。通常无需手动...

PS-SMART二分类

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、...

统计与分析

在这一环节,我们可以将所有原始访问数据进行基本的分解和分析,并以报表和告警的方式来展示趋势或告知异常。阿里云 IDaaS CIAM 为客户提供了三种类型的报表,包括用户访问数据分析报表组、应用访问数据分析报表组、用户画像分析报表组。...

使用调用链采样策略

基于链路特征采样 基于业务特征采样 基于运维特征采样 基于时间特征采样 说明 您可以组合使用以上调用链采样策略,以充分满足个性化的采样需求。基于链路特征采样 基于链路特征采样是指根据调用链本身的属性进行采样,例如耗时、状态等。...

计费说明

本文为您介绍密钥管理服务KMS(Key Management Service)的费用...费用分解:1个CMK(收取密钥托管费用) 100,000次签名API调用 月度成本预估:费用 自定义硬件密钥(元)密钥托管 17.79 API调用 10.68(1.068×100,000/10,000)总计 28.47

案例:搭建声纹比对系统

声纹识别是根据说话人发音的生理和行为特征,自动识别说话人身份的一种生物识别技术,对应在电话销售场景下,它主要解决以下安全问题:一方面,有不法分子窃取电话销售人员账号信息,非法获取客户个人信息资料并进行贩卖、泄露,严重侵犯了...

随机森林特征重要性

您可以使用原始数据和随机森林模型,计算特征重要性。参数配置 您可以通过以下任意一种方式,配置随机森林特征重要性组件参数:可视化方式 页签 参数 描述 字段设置 选择特征列 输入表中,用于训练的特征列。默认选中除Label外的所有列,为...

预测与异常检测函数

预测与异常检测函数通过预测时序曲线、寻找预测曲线和实际曲线之间误差的Ksigma与位数等特性进行异常检测。关于函数的算法及原理请参见: LOG机器学习介绍(01):时序统计建模 LOG机器学习介绍(03):时序异常检测建模 LOG机器学习介绍...

特征编码

特征编码是将非线性特征通过GBDT编码成线性特征。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...

蓝牙 API 错误码对照表

确保 characteristicId 正确,检查目标外设特定 service 下已具备该特征。10006 当前连接已断开。重新连接。10007 当前特征值不支持此操作。检查特征值具备读、写、通知等功能。10008 其余所有系统上报的异常。其他未知错误,具体问题具体...

5.4 功能描述

输入用户标签可以输入在创建用户特征时关联的用户标签。输入商品库信息及描述可以给新商品库创建新的名称及描述。修改价格 修改当前售价在LinkedMall企业商城售价基础上进行加价。修改积分价格修改售价与积分,使售价与积分对应价格之和=...

线性模型特征重要性

计算线性模型的特征重要性,包括线性回归和二分类逻辑回归,支持稀疏和稠密数据格式。参数配置 计算线性模型的特征重要性,包括线性回归和二分类逻辑回归,支持稀疏和稠密数据格式。您可以通过以下任意一种方式,配置线性模型特征重要性...

数据视图

通过数据视图组件,您可以可视化地了解特征与标签列的分布情况及特征的特点,以便后续进行数据分析。该组件支持稀疏和稠密数据格式。本文为您介绍PAI-Studio提供的数据视图算法的参数配置方式及使用示例。配置组件 可视化方式 页签 参数 ...

基于对象特征的推荐

本文为您介绍如何基于对象特征进行商品推荐。背景信息 该实验首先对一份真实电商的4月份和5月份数据进行模型训练并生成预测模型,然后通过6月份的购物数据对该预测模型进行评估,最终选择最优的模型,并将其部署为RESTful API供业务方调用...

基于箱组件实现连续特征离散化

本文为您介绍如何使用箱组件进行连续特征离散化。前提条件 完成项目的创建,详情请参见创建项目。背景信息 特征离散是将连续的数据进行段,使其变为多个离散化区间。针对该场景,PAI推出了箱组件,支持等频箱、等宽箱及自动箱...
< 1 2 3 4 ... 28 >
跳转至: GO
产品推荐
Web应用防火墙 卫星及无人机遥感影像分析产品 云服务器 物联网无线连接服务 商标 SSL证书 块存储 对象存储
这些文档可能帮助您
RESTful API 文字识别介绍 设置自定义防护策略 WAF接入配置最佳实践 图像识别介绍 人脸比对1:1

新品推荐

你可能感兴趣

热门推荐

新人福利专场 阿里云试用中心 企业支持计划 飞天会员助力企业低成本上云 智能财税30天免费试用 云解析DNS新用户首购低至36元/年起 ECS限时升级特惠6.5折