安全联邦学习-任务模式FL
三、安全联邦学习已支持的能力 用途 算法分类 已支持算法 分类 决策树 XGBoostWithDp GBDTWithDp 逻辑回归 LogisticRegressionWithHe 神经网络 神经网络MLP 回归 线性回归 LinearRegressionWithHe 神经网络 神经网络MLP 四、如何进行安全...
安全联邦学习-工作流FL
三、安全联邦学习已支持的能力 用途 算法分类 已支持算法 分类 决策树 XGBoostWithDp GBDTWithDp 逻辑回归 LogisticRegressionWithHe 神经网络 神经网络MLP 回归 线性回归 LinearRegressionWithHe 神经网络 神经网络MLP 四、如何进行安全...
GBDT回归
梯度渐进回归树GBDT（Gradient Boosting Decision Tree）是一种迭代决策树算法，适用于线性及非线性回归场景。组件配置 您可以使用以下任意一种方式，配置GBDT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 ...
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...
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...
组件参考：所有组件汇总
GBDT回归 该组件是一种迭代决策树算法，适用于线性及非线性回归场景。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。PS-SMART回归 该组件致力于解决大规模的离线及在线训练任务，SMART（Scalable Multiple Additive ...
电子表格支持函数说明
INTERCEPT 计算数据集的线性回归方程直线与 Y 轴的相交点(x=0)的 y 值。KURT 计算数据集的峭度，该指标指示数据集（分布）的形态，尤其是该形态的陡峭程度。LARGE 返回数据集中第 n 个最大元素，n 由用户指定。LOGNORM.DIST 给定指定值的...
工业分析建模
从左侧拖入线性回归组件到画布中，将CSV组件的输出端口（OUT）连接到线性回归组件的输入端口（IN1），使得CSV组件的数据输出流入到线性回归组件中。选中线性回归组件，右侧配置栏中单击 特征变量。在 特征变量 面板，单击 添加，新增一条...
MLP二分类/MLP多分类/MLP回归
多层感知机是一种前馈神经网络，通过多个神经元的组合对输入特征进行非线性变换和特征提取，最终输出一个连续的预测结果。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...
横向MLP二分类/MLP多分类/MLP回归
多层感知机是一种前馈神经网络，通过多个神经元的组合对输入特征进行非线性变换和特征提取，最终输出一个连续的预测结果。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...
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...
Pipeline部署在线服务
例如：需要部署线性回归模型用于在线预测，则线性回归训练组件和线性回归预测组件都需要运行成功。在线服务限制单输入单输出，因此需要从离线的Directed Acyclic Graph（DAG）图中选择单一串行链路进行部署。前提条件 已创建模型工作流...
线性回归算法（Linear Regression）
本文介绍了线性回归算法（Linear Regression，以下简称LR）相关内容。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...
性能指标
LogisticRegressionWithHe 10万 100维*100维 训练 50分钟 神经网络MLP 100万 100维*100维 训练 30分钟 决策树-XGBoostWithDp 5亿 100维*100维 离线预测 50分钟 决策树-GBDTWithDp 5亿 100维*100维 离线预测 120分钟 线性回归-...
通用模型导出
支持接入的上游组件 常规机器学习组件 GBDT二分类 线性支持向量机 逻辑回归二分类 GBDT回归 线性回归 K均值聚类 逻辑回归多分类 朴素贝叶斯 PS系列组件 PS-SMART二分类 PS-SMART多分类 PS-SMART回归 PS线性回归 可视化配置组件 您可以在 ...
线性规划-专题多篇
线性回归通常可以用线性函数 y=,x>+b 来描述，我们可以估计出 a 和 b 的值。本地版Python代码>|C/S版C++代码>6.机器学习：带有L1正则项的SVM多分类问题 分类是机器学习领域中最基本的任务之一。其目的是建立输入向量x与分类变量y之间的映射...
发电场输出电力预测
本文为您介绍如何使用 Designer ...右键单击画布中的 线性回归，在快捷菜单，单击 查看数据>输出模型评估表，查看模型评估结果。右键单击画布中的 回归模型评估，在快捷菜单，单击 查看数据>输出，根据输出结果来评估回归算法模型的优劣性。
逻辑回归二分类
一、组件说明 逻辑回归通过将线性回归模型的输出通过Sigmoid函数进行映射，将连续的预测值转换为概率值。Sigmoid函数具有“S”形状，可以将任意实数值映射为0和1之间的概率值，表示样本属于正例的概率。逻辑回归的训练过程是利用最大似然...
功能更新【2023年】
降低联邦学习使用门槛 内置多个个组件，包含数据处理、特征工程、机器学习+训练+预测+评估等组件，支持XGBOOST、逻辑回归、线性回归、MLP等常用算法，支持二分类、多分类、回归场景，能满足线索评级、金融评分卡、营销CTR/CVR模型等场景...
线性回归
线性回归模型具有简单、易于理解和解释的特点，同时可以通过多项式扩展等方法处理非线性数据，具有较高的泛化能力和预测准确率。但是，线性回归模型对于离群点、噪声数据和非线性关系的数据比较敏感，需要进行特征标准化和正则化处理。组件...
概述
语法格式如下：ml_multiclass_evaluate(table[,map,string>])线性回归评估：通过内建函数 ml_regression_evaluate 实现。基于模型的预测结果和原始结果，评价回归算法模型的优劣，包含指标和残差直方图。其中：指标包括SST、SSE、SSR、R2、...
相关性分析
皮尔逊相关系数：用于衡量两个数据集是否在一条线上面，即针对线性数据的相关系数计算，针对非线性数据便会有误差。肯德尔相关系数：用于反映分类变量的相关性，即针对无序序列的相关系数计算，非正太分布的数据。斯皮尔曼相关系数：用于非...
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 ...
单模型部署在线服务
GBDT二分类 PMML PMML 线性支持向量机 PMML PMML 逻辑回归多分类 PMML PMML 随机森林 PMML PMML 朴素贝叶斯 PMML PMML K均值聚类 PMML PMML GBDT回归 PMML PMML 线性回归 PMML PMML 评分卡训练 PMML PMML 文本摘要训练 tgz包 EasyNLP 会...
示例项目使用说明
MapReduce WordCount：单词统计 Hive sample.hive：表的简单查询 Pig sample.pig：Pig处理OSS数据实例 Spark SparkPi：计算Pi SparkWordCount：单词统计 LinearRegression：线性回归 OSSSample：OSS使用示例 MaxComputeSample：MaxCompute...
创建安全联邦学习任务（任务模式）
参数 描述 算法分类 支持的算法分类为FL决策树、FL线性回归、FL逻辑回归、FL深度学习。FL决策树支持的算法为 XGBoostWithDp:Decision_Tree，用于二分类、多分类、回归。FL线性回归支持的算法为 LinearRegressionWithHe:Linear_Regression_...
线性模型特征重要性
线性模型特征重要性组件用于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。本文为您介绍该组件的配置方法。使用限制 支持的计算引擎为MaxCompute。组件配置 您可以使用以下任意一种方式，配置线性模型...
横向逻辑回归二分类
一、组件说明 横向逻辑回归通过将线性回归模型的输出通过Sigmoid函数进行映射，将连续的预测值转换为概率值。Sigmoid函数具有“S”形状，可以将任意实数值映射为0和1之间的概率值，表示样本属于正例的概率。横向逻辑回归的训练过程是利用...
文本与段落格式
关联内容格式 知识内容之前通常存在一些非线性的联系，这个时候我们可以通过关联的方式，在一个在线文档中关联另一个已有的内容，避免同时维护多份同样的内容。关联内容包含：云效知识库文档、文件夹、文件，与云效任务、日程、文件、...
什么是优化求解器
1.数学规划求解 用于求解数学规划问题，即目标、变量、约束可用量化公式来定义的数学规划问题，如线性规划（LP）、非线性规划（NLP）、混合整数规划（MIP）等。当前已经上线的求解能力是线性规划（LP）、凸二次规划（convex QP）、半定规划...
建模优化
选择属于线性规划、非线性规划或约束类问题。添加模型序列。即创建索引，在索引创建中，选择 索引类型 为 普通索引，并赋予 索引名称，该名称将用于模型构建中的引用。您可以通过 手动输入 或者 关联表 的方式获取 索引值。定义变量。变量...
人工神经网络
功能说明 人工神经网络组件支持使用人工神经网络算法对分类或回归问题进行建模。人工神经网络（Artificial Neural Network，缩写ANN），简称神经网络或类神经网络，是一种模仿生物神经网络（动物的中枢神经系统，特别是大脑）的结构和功能...
计量计费
线性回归 说明 系统将1个小时消耗1个CPU Core和4 GB内存，折算为1个计算时。计算时数量的计算规则如下：计算时数量=max(CPU Core数量×时长,内存×时长/4)例如1小时消耗了2 个CPU Core和5 GB内存，则计算时数量为：计算时数量=max(2×1,5×...
灵骏常见问题
您使用神经网络进行的许多计算都可以很容易地分解成更小的计算，各个小计算不会相互依赖。智能计算灵骏与普通GPU托管服务有什么不同？智能计算灵骏集群采用专为大规模AI计算场景所设计的系统架构和多层性能优化技术，能充分利用整体的计算...
单波段拉伸
说明 Gamma校正是一种用于调整图像亮度和对比度的非线性变换技术，可以纠正由于显示设备的不一致性而导致的图像亮度失真问题。后期效果 辉光 强度：设置辉光的强度值，范围为0~5。半径：设置辉光的半径大小，范围为0~1。阈值：设置辉光的...
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...
Designer使用案例汇总
基于回归算法实现农业贷款发放预测 介绍如何通过农业贷款的历史发放情况，使用线性回归方法实现贷款发放预测。基于分箱组件实现连续特征离散化 介绍如何使用分箱组件进行连续特征离散化。人口普查统计案例（旧版）以人口普查数据为例，根据...
RGB色彩
说明 Gamma校正是一种非线性变换技术，用于调整图像的亮度和对比度。它可以纠正由于显示设备的不一致性而导致的图像亮度失真问题。后期效果 辉光 强度：设置辉光的强度值，范围为0~5。半径：设置辉光的半径大小，范围为0~1。阈值：设置辉光...
基于二部图GraphSAGE算法实现推荐召回
背景信息 图神经网络是深度学习的热点发展方向，PAI开源Graph-Learn框架，提供大量图学习算法。二部图GraphSAGE是经典的图神经网络算法，而GraphSAGE为二部图场景扩展，被用于淘宝的推荐召回场景。在二部图场景下，可以将User和Item作为图...
Z-Score归一化
在机器学习领域，Z-Score归一化经常用于数据处理，例如神经网络、聚类分析等应用。组件截图 二、参数说明 参数名称 参数说明 选择归一化字段 选择需要归一化的字段。可多选。三、有配置文件可读 在上游有配置文件可以选择的时候，可以使用...
- 产品推荐
- 这些文档可能帮助您