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...
线性回归
计算逻辑原理 回归分析中，只包括一个自变量和一个因变量，且二者的关系可用一条直线近似表示，这种回归分析称为一元线性回归分析。如果回归分析中包括两个或两个以上的自变量，且因变量和自变量之间是线性关系，则称为多元线性回归分析。...
尺寸映射
线性映射：将尺寸数据进行线性映射，可以拖动两侧点，自定义设置线性映射的两个过渡值。指数映射：将尺寸数据进行指数映射，可以自定义设置 Base 值，实现不同的映射。范围为0.01~1.99。Bezier曲线：将尺寸数据进行贝塞尔曲线映射，可以...
差异模式统计函数
差异模式统计函数基于给定的多属性字段样本，在给定的判别条件下，分析出影响该条件划分的差异化模式集合，帮助您快速诊断导致当前判别条件差异的原因。pattern_diff 函数格式：select pattern_diff(array_char_value,array_char_name,...
组件参考：所有组件汇总
PS线性回归 该组件是分析因变量和多个自变量之间的线性关系模型，参数服务器PS（Parameter Server）致力于解决大规模的离线及在线训练任务。二分类评估 该组件是通过计算AUC、KS及F1 Score指标，输出KS曲线、PR曲线、ROC曲线、LIFT Chart及...
PS线性回归
线性回归（Linear Regression）是分析因变量和多个自变量之间的线性关系模型，参数服务器PS（Parameter Server）致力于解决大规模的离线及在线训练任务。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...
机器学习开发示例
并展示数据 predictionsA=modelA.transform(ml_data)predictionsA.show(10)数据打印 步骤五：评估线性回归模型 说明 要评估回归分析，请使用RegressionEvaluator来计算均方根误差。在机器学习中我们用计算测试值和预测值之间出现的误差的...
线性回归
线性回归（Linear Regression）是分析因变量和多个自变量之间的线性关系模型。组件配置 您可以使用以下任意一种方式，配置线性回归组件参数。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 ...
基于回归算法实现农业贷款发放预测
线性回归是数理统计中的回归分析方法，可以确定两种或两种以上变量之间相互依赖的定量关系。Designer预置了线性回归算法模板，便于您通过农业贷款的历史发放情况，快速实现贷款发放预测。本文为您介绍Designer线性回归算法预置模板的具体...
线性模型特征重要性
右键单击 线性模型特征重要性-1 组件，在快捷菜单，单击 可视化分析，查看可视化分析结果。相关文档 关于Designer组件更详细的内容介绍，请参见 Designer概述。Designer预置了多种算法组件，你可以根据不同的使用场景选择合适的组件进行...
线性规划-专题多篇
数学规划求解-线性规划 我们有提供6个案例讲解线性规划（LP）的概念和应用场景，讲解遇到不同问题时，如何分析问题，建模，然后调用优化求解器求解，再利用求解器的结果去解决问题。并提供了10+源代码供参考。以下会给出两种代码参考入口：...
功能优势
分析型数据库MySQL版向量分析功能在通用性、性能优化和产品化上与普通向量检索系统相比有以下优势。高维向量数据的高准度和高性能 以典型的人脸512维向量为例，分析型数据库MySQL版向量分析提供百亿向量100 QPS、50毫秒响应时间（RT）约束...
使用可视化大屏查看分析报告
数据可视化分析：相关系数矩阵 直方图 散点图 箱线图 数据视图 特征工程：线性模型特征重要性 随机森林特征重要性 模型评估：混淆矩阵 聚类模型评估 多分类评估 二分类评估 模型可视化：GBDT二分类 GBDT回归 随机森林 XGBoost训练 统计分析...
归因分析
设置分组、全局筛选、用户分群（可选）归因分析的设置分组、全局筛选、用户分群逻辑与事件分析相同 选择归因模型 当前支持四种最常见的归因模型：首次触点归因、末次触点归因、线性归因、位置归因和时间衰减归因。业务方可以根据自己的业务...
线性回归
在统计学中，线性回归是用来确定两种或两种以上变量间的相互依赖关系的统计分析方法，与分类算法处理离散预测不同。回归算法可对连续值类型进行预测。线性回归算法定义损失函数为样本集的最小平方误差之和，通过最小化损失函数求解权重矢量...
向量计算函数
使用示例 查询和分析语句*|SELECT cosine_similarity(array[1,2,3,4],array[10,20,30,40])或*|SELECT cosine_similarity('[1,2,3,4]','[10,20,30,40]')返回结果 1 返回值类型 与输入的参数值相同。inner_product 函数 计算两个向量的内积。...
线性回归算法（Linear Regression）
简介 LR是利用线性回归方程的最小平方函数对一个或多个自变量和因变量之间关系进行建模的一种回归分析。使用场景 LR是一个回归模型，主要用于拟合数值。该模型简单，可解释性强。LR适用于拟合趋势线，一条趋势线代表着时间序列数据的长期...
数学统计函数
查询和分析语句*|SELECT regr_intercept(request_length,request_time)查询和分析结果 regr_slope函数 regr_slope函数会根据输入点(x,y)拟合成一个线性方程，然后计算该直线的斜率。x 是依赖值，y 是独立值。语法 regr_slope(y,x)参数说明 ...
气泡图
图表分析配置 配置项 名称 说明 交互分析 联动 当需要分析的数据存在于不同的图表，您可以通过图表联动，把多个图表关联起来，形成联动进行数据分析。具体设置请参见 联动。跳转 当需要分析的数据存在于多个仪表板时，您可以通过仪表板跳转...
散点图
聚类分析 聚类分析会根据X轴和Y轴的度量分布对相似度量数量进行聚类显示，开启聚类分析后颜色字段会被替换为聚类。说明 聚类分析 功能目前处于Beta版本，且 X轴和Y轴都为度量并未配置播放轴时才能开启聚类分析。使用限制 散点图由 Y轴/度量...
新手入门路径
也可以返回 线性规划-专题多篇，学习线性规划（LP）的概念，然后选择一篇您感兴趣或含有您常用编程语言的版本，阅读问题的 建模方案分析 和 参考源代码 来运行。还可以去访问我们新邀测中的 MindOpt线上平台 去学习代数建模语言调用求解器...
工业分析建模
本文为您介绍如何使用智能制造平台AICS工业分析建模模块。工业分析建模流程 新建工业分析建模。算法流程搭建。算法运行。模型结果查看与发布。模型使用。新建工业分析建模 登录 工业大脑智能制造平台AICS。在左侧导航栏选择 模型开发与训练...
高斯过程回归
功能说明 高斯过程回归是使用高斯过程先验对数据进行回归分析的非参数模型。计算逻辑原理 高斯过程回归中支持三种核函数：高斯核：，其中尺度因子，尺度 是高斯核函数的参数。线性核：，其中偏移 和尺度因子，是线性核函数的参数。二次有理...
分面散点图
用于提供关键信息：变量之间是否存在数量关联趋势 如果存在关联趋势，是线性还是曲线的。如果有某一个点或者某几个点偏离大多数点，也就是离群值，通过散点图可以一目了然。从而可以进一步分析这些离群值是否可能在建模分析中对总体产生很...
分析预警
本文为您介绍辅助线、趋势线、预测、异常检测、波动原因、聚类六种 分析方式。背景信息 分析预警支持从多个角度对当前数据进行分析，通过该功能可以直观了解数据的变化趋势和异常点。分析预警目前支持辅助线、趋势线、预测、异常检测、波动...
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...
相关性分析
相关性分析组件支持对历史数据进行相关性分析，计算出指定变量之间的相关系数，并绘制出相关图表。相关性分析是指对两个或多个具备相关性的变量元素进行分析，从而衡量两个变量因素的相关密切程度。相关性的元素之间需要存在一定的联系或者...
产品和业务限制
限制项 描述 例外申请方式 购买分析型数据库MySQL版的限制 账户余额大于等于500元现金 请联系技术支持 开通分析型数据库MySQL版的用户限制 用户需实名认证 无 可创建的最大分析型数据库MySQL版数 3个 联系技术支持申请更多 单个分析型数据...
组合图
趋势线分为智能推荐、线性、对数、指数、多项式和幂函数六种。具体设置请参见 趋势线。智能洞察 预测 通过预测可以查看当前数据的发展趋势，对数据进行分析预测。具体设置请参见 预测。异常检测 通过异常检测可以查看当前数据的异常数据点...
事务引擎介绍
高性能事务引擎（TokuDB）是HybridDB for MySQL提供的一种侧重于OLTP的实例规格，这种规格基于自主研发的高性能行式存储引擎，能够对同一份数据进行OLTP和OLAP处理，实现数据的即席分析（Ad Hoc）。HybridDB for MySQL事务引擎高度兼容...
常见问题FAQ
优化求解器当前可以快速求解大规模线性规划LP、混合整数线性规划MILP、凸二次规划QP问题，目前支持命令行和C、C++、Python、Java的API调用，可在Windows，macOS和Linux系统下使用。有示例代码和案例分析讲解如何使用，免费。运行产生异常请...
线图
线图适用于分析数据随时间变化的趋势。例如，分析商品销量随时间的变化，预测未来的销售情况。本文为您介绍如何为线图添加数据并配置样式。前提条件 已创建仪表板，请参见 新建仪表板。图表概述 使用场景 趋势类组件可以显示随时间（根据...
面积图
趋势线分为智能推荐、线性、对数、指数、多项式、幂函数六种。具体设置请参见 趋势线。智能洞察 开启自动见解 开启后可以智能解读图表信息。预测 通过预测可以查看当前数据的发展趋势，对数据进行分析预测。具体设置请参见 预测。异常检测 ...
柱图
趋势线分为智能推荐、线性、对数、指数、多项式和幂函数六种。具体设置请参见 趋势线。智能洞察 开启自动见解 开启后可以智能解读图表信息。预测 通过预测可以查看当前数据的发展趋势，对数据进行分析预测。具体设置请参见 预测。异常检测 ...
什么是AI分布式训练通信优化库AIACC-ACSpeed
AIACC-ACSpeed优化原理 场景说明 使用单机多卡或多机多卡进行AI分布式训练时，分布式通信的线性度可作为单卡训练扩展到多卡的性能指标，线性度的计算方式如下：单机内部扩展性：线性度=多卡性能/单卡性能/单机卡数 多机之间扩展性：线性度=...
偏最小二乘回归
偏最小二乘回归提供一种多对多线性回归建模的方法，特别当两组变量的个数很多，且都存在多重相关性，而观测数据的数量（样本量）又较少时，用偏小二乘回归建立的模型具有传统的经典回归分析等方法所没有的优点。计算逻辑原理 偏最小二乘...
动态特征提取
曼肯德尔检验：Mann-Kendall 趋势检验（有时称为 MK 检验）用于分析时间序列数据的持续增加或减少趋势（单调趋势）。一阶差分：（k-T是采样周期内最远的数据）对于按次数采样，T 是采样次数；对于按时间采样，T 是采样时长/采样频率（向下...
线性回归
一、组件说明 线性回归模型通过找到一条最佳拟合直线（或超平面），将输入特征映射到一个连续数值输出。在模型训练过程中，采用最小二乘法（least squares）估计模型参数，即最小化输出结果与预测值之间的误差平方和。线性回归模型具有简单...
条形图
趋势线分为智能推荐、线性、对数、指数、多项式和幂函数六种。具体设置请参见 趋势线。标注-当图表中的数据存在异常或需要重点关注时，支持使用颜色高亮、图标、注释或数据点的方式行标注，帮助您识别异常并采取相应的行动。具体设置方法请...
产品价值
体验一致 遍布全球的 WI-FI 网络系统，体验一致且极易管控。...统一数据分析 所有节点提供实时，丰富的数据分析和报表。开放 API 提供丰富的开放接口对接企业 OA 系统。完善的监控能力 免费，实时，强大的端到端监控能力。
- 产品推荐
- 这些文档可能帮助您