- 最新动态
- 功能总览
- 产品介绍
- 快速入门
- 用户指南
- 最佳实践
- 开发指南
- API参考
-
常见问题
- 什么是区域和可用区?
- 什么是项目?
- 什么是配额?
- 一个CCE集群可以为同一用户的多个空间使用吗?
- 节点的可用资源如何查询?
- 合作方如何获取租户名称?
- 计算节点如何切换状态?
- 部署计算节点时,“状态”列长时间显示为“部署中”(超过20分钟),如何查看计算节点部署情况?
- 运行作业前,提示“Privacy rule verification failed”,怎么处理?
- 运行作业时,提示存在数据泄露风险,怎么处理?
- 为什么空间详情中“作业执行统计”实例数与空间作业中实例数统计不一致?
- 执行分析作业时,提示“节点内存不足,已拒绝在节点中运行该任务”,如何解决?
- 为什么我的计算结果每次计算时结果都不一样?
- 执行作业时,提示“启动新任务失败,服务器任务队列超出缓存长度”,如何解决?
- 联邦sql分析作业运行过慢,如何提升执行速度?
- 可信计算节点发生主备切换,原节点登录地址不可用,如何处理?
- 如何创建及查找sfs_turbo文件系统的ID?
- 如何确认在跨VPC的情况下计算节点与SFS_Turbo文件系统连通性
- 如何排查可信环境互信状态
- 边缘节点部署模式下创建节点,该如何配置资源分配策略?
- 创建数据集时,不允许使用哪些名字?
- 如何更换计算节点db私钥?
- 如何修改结果文件的权限?
- 执行联邦学习作业时,报“ERROR UNAVAILABLE:Network closed for unknown reason”,如何解决?
- 文档下载
- 通用参考
链接复制成功!
获取纵向联邦作业详情
功能介绍
获取纵向联邦作业详情
调用方法
请参见如何调用API。
URI
GET /v1/{project_id}/leagues/{league_id}/fl-vertical-jobs/{job_id}
参数 |
是否必选 |
参数类型 |
描述 |
---|---|---|---|
project_id |
是 |
String |
项目ID,最大32位,由字母和数字组成 |
league_id |
是 |
String |
空间ID,最大32位,由字母和数字组成 |
job_id |
是 |
String |
任务id,最大32位,由字母和数字组成 |
请求参数
参数 |
是否必选 |
参数类型 |
描述 |
---|---|---|---|
X-Auth-Token |
是 |
String |
用户Token。由一个或多个字母数字+-=符号组成。 通过调用接口获取用户Token接口获取。 |
X-Language |
是 |
String |
根据自己偏好的语言来获取不同语言的返回内容,zh-cn或者en_us |
Content-Type |
是 |
String |
发送的实体的MIME类型 |
响应参数
状态码: 200
参数 |
参数类型 |
描述 |
---|---|---|
description |
String |
作业描述,最大长度512 |
datasets |
String |
每个可信计算节点的数据集名 |
features |
Array of DatasetFeatureEntity objects |
数据集特征列 |
label |
String |
标签列,最大长度100 |
epoch |
Integer |
lr迭代数,最小值1 |
job_name |
String |
作业名称,最大长度128,名称不能以空白字符开头结尾、或者包含下列任何字符:\ / : * ? " < > |,长度要求在1~128之间。 |
algorithm_type |
String |
纵向联邦算法类型枚举,XG_BOOST,LIGHT_BGM,LOGISTIC_REGRESSION 逻辑回归,NEURAL_NETWORK 神经网络,FIBINET |
work_step |
String |
纵向联邦操作步骤枚举值。DATA_SELECTION.数据选择,SAMPLE_ALIGNMENT.样本对齐,FEATURE_SELECTION.特征选择,MODEL_TRAIN.模型训练,MODEL_EVALUATION.模型评估,MODEL_PREDICT.预测 |
learning_rate |
String |
纵向联邦算法学习率,最大长度16 |
label_dataset |
String |
标签数据集,最大长度100 |
label_agent |
String |
标签方可信计算节点,最大长度100 |
batch_size |
Integer |
lr批大小,最小值1 |
grad_epsilon |
String |
lr梯度收敛阈值,默认nul |
tree_num |
Integer |
xgboost树数量,最大值2的31次方-1 |
tree_depth |
Integer |
xgboost树深度,最大值2的31次方-1 |
split_num |
Integer |
xgboost切分点数量,最大值2的31次方-1 |
current_agent_id |
String |
发起方agentid |
learning_task_type |
String |
纵向联邦作业类型 CLASSIFICATION(1), REGRESSION(2) |
predict_threshold |
String |
纵向联邦算法预测阈值 |
is_single_predict |
Boolean |
单方还是双方预测 |
请求示例
获取纵向联邦作业详情
get https://x.x.x.x:12345/v1/{project_id}/leagues/{league_id}/fl-vertical-jobs/{job_id}
响应示例
状态码: 200
获取纵向联邦作业详情成功
{ "description": null, "datasets": "edc8357011b0449ca985daabd531083c.host_f50_10w_20.space_creator,c2efd9850deb44e3a64b00e555ddb04f.guest_f1_10w_20.tics002", "features": "features": [ { "agent_id": "edc8357011b0449ca985daabd531083c", "dataset_name": "host_f50_10w_20", "features": [ "f0", "f1", "f2" ] }, { "agent_id": "c2efd9850deb44e3a64b00e555ddb04f", "dataset_name": "guest_f1_10w_20", "features": [ "f0" ] } ] "label": "label", "epoch": null, "job_name": "xg_20", "algorithm_type": "XG_BOOST", "work_step": "MODEL_TRAIN", "learning_rate": "0.5", "label_dataset": "guest_f1_10w_20", "label_agent": "c2efd9850deb44e3a64b00e555ddb04f", "batch_size": null, "grad_epsilon": null, "tree_num": null, "tree_depth": null, "split_num": null, "current_agent_id": "edc8357011b0449ca985daabd531083c", "learning_task_type": "CLASSIFICATION", "predict_threshold": null, "is_single_predict": null }
状态码
状态码 |
描述 |
---|---|
200 |
获取纵向联邦作业详情成功 |
401 |
操作无权限 |
500 |
内部服务器错误 |