数仓规划：新建SDI层和DWI层两个模型 在数仓规划中，分别新建SDI层和DWI层两个关系模型，并通过逆向数据库导入原始数据表到SDI层的关系模型中，在DWI层模型中新建一个“标准出行数据”的标准化的业务表。 在数据架构控制台，单击左侧导航树中的“数仓规划”。 选择SDI层，单击“添加模

查看更多 →

数据集市是面向数据应用为出发点，一个数据集市可以支持多个相关的数据应用。数据集市的作用与指标汇总层类似，但服务的目标系统只是指标汇总层的一部分，因此集市比指标汇总层更面向应用和用户。 集市层与指标汇总层类似，也是采用维度建模方式，常见的有星座模型、雪花模型等，只需要按实际应用需要设计、开发即可。 设计步骤 图8 设计步骤

查看更多 →

架构编码，用户自定义，例如：AAA_BB_MODEL。 父架构 非必填，选择三层架构/四层架构/五层架构。 描述 填写对该架构的描述内容。 在完成架构的创建后，系统会自动生成业务架构对应的适配器；而对于技术架构，您需要自己完成对应适配器的创建。 在左侧的导航栏选择“应用业务模型ABM > 信息架构 > 适配器”，单击“创建适配器”。

查看更多 →

MERGE：加载数据时，插入目标表中不存在的数据，更新目标表中存在的数据 源模型 需要进行ETL映射的源端物理模型，需要在物理模型设计中先完成设计 目标模型 需要进行ETL映射的目标端物理模型，需要在物理模型设计中先完成设计 目标表 选择目标模型中配置的表 是否删除数据 选择是否删除目标模型中的表数据 源表

查看更多 →

信息架构L1-L5层元素间的实体联接： “属性-被包含-逻辑数据实体”：描述信息架构中L5层属性和L4层逻辑实体的关系。 “逻辑数据实体-被包含-业务对象”：描述信息架构中L4层逻辑数据实体和L3层业务对象的关系。 “业务对象-被包含-主题域”：描述信息架构中L3层业务对象和L2层主题域的关系。

查看更多 →

业务指标用于指导技术指标，而技术指标是对业务指标的具体实现。 原子指标：原子指标中的度量和属性来源于多维模型中的维度表和事实表，与多维模型所属的业务对象保持一致，与多维模型中的最细数据粒度保持一致。 原子指标中仅含有唯一度量，所含其它所有与该度量、该业务对象相关的属性，旨在用于支撑指标的敏捷自助消费。

查看更多 →

模型测试 将样例数据中的测试数据集加载至当前学件项目中，进行数据预处理，并基于训练出的模型进行效果验证。 单击界面左下角的“加载数据”，弹出“加载数据”代码框，如图1所示。 需要配置的参数如下所示，其余参数保持默认值即可。 数据集：从下拉框中选择数据集“samples”。 数据集

查看更多 →

以下代码目录及文件，皆参考硬盘故障检测模板中的模型训练工程创建。此处旨在介绍操作方法，用户请按实际情况创建。 在界面左侧目录，选中根节点“harddisk”，单击图标。在弹出的“新建文件”对话框中，输入文件名称“hardisk_predict.py”。 将预置模型训练工程“hardisk_detect_predict

查看更多 →

模型管理 模型管理简介 创建模型 模型推理

查看更多 →

average：所有标签结果的加权平均值。 第一行内容的含义如下所示，即模型优劣的评价指标： f1-score：F1分数同时考虑精确率和召回率，让两者同时达到最高，取得平衡。 precision：精确率，又被称为查准率，是针对预测结果而言的。含义为在被预测为正的样本中实际为正样本的概率。 recall：召回率

查看更多 →

support：每类标签出现的次数。 模型训练完成后，可以查看归档的模型文件，如模型训练目录说明所示。 模型训练目录说明 模型训练完成后，训练好的模型和相关内容，都保存在如图2所示的model目录中。将model目录导出，使用新数据，直接利用已有的特征和参数、算法和参数，就可以实现模型重训练。 mod

查看更多 →

模型管理 单击菜单栏中的“模型管理”，可在“模型管理”界面查看打包好的模型，如图1所示。 图1 模型管理 父主题： 使用模型训练服务快速训练算法模型

查看更多 →

发布模型 逻辑实体创建完成后，必须创建对应的物理实体，才可以发布逻辑模型。 操作步骤 在数据服务左侧导航，选择“工具箱>数据开发>数据建模”。 在左侧导航中，单击展开分层，选择一个分层。 在需要发布的逻辑实体对应的“操作”列下，单击>。 在“提示”对话框中单击“确认”。 在“确认”对话框中单击“确定”。

查看更多 →

以通过“增加”和图标，来增加或删除运行超参。 详细SDK说明，请在模型训练服务首页右下角的浮框中，依次单击“帮助中心 > SDK文档”查看。 当前代码已预置运行超参，可使用默认值。 超参优化 训练任务执行的过程中可以同步进行超参优化。 勾选“运行超参”后的“超参优化”复选框，可配

查看更多 →

模型训练 导入SDK 选择数据 特征画像 模型选择 训练模型 测试模型 开发推理 归档模型 父主题： KPI异常检测学件服务

查看更多 →

模型管理 模型管理简介 创建模型包 编辑模型包 上架模型包至AI市场 发布推理服务 模型包完整性校验 父主题： 用户指南

查看更多 →

归档模型 模型训练完成后，支持归档模型。操作步骤如下所示。 单击界面右上角的“归档”图标，界面下方新增“归档”代码框。 配置新增的cell代码框右侧配置参数。 参数说明如下所示： 模型名：归档模型的名称。以字母开头，可由数字、大小写字母或中划线组成。示例：Learnware。 模型版本：归档模型的版本。格式为“xx

查看更多 →

模型”，并配置训练参数，开始训练模型。 预训练模型 当前服务提供预置预训练模型“高精版”、“均衡版”、“基础版”，在“预训练模型”列表中可查看“模型精度”、“推理速度”、“训练速度”和模型“简介”。 参数配置 在“参数配置”填写“学习率”和“训练轮次”。 “学习率”用来控制模型的学习速度，范围为(0

查看更多 →

添加对比版本”。 图1 整体评估 详细评估 在“模型评估”页面，您可以搜索查看测试集中数据模型预测结果。 “详细评估”左侧在搜索框中搜索标签，右侧显示正确标签所对应样本的正确标签和预测标签，您可以对比正确标签和预测标签，判断当前模型对该样本的预测是否正确。 例如搜索框内输入标签“

查看更多 →

并训练模型，详情请见训练模型。 评估模型 在“模型评估”页面，您可以针对当前版本的模型进行模型评估，查看评估参数对比和详细评估，也可以模拟在线测试。 图1 评估模型 模型评估 “模型评估”下侧显示当前模型的版本、验证集数量。 评估参数对比 “评估参数对比”下方显示当前模型的评估参

查看更多 →

已在视觉套件控制台选择“第二相面积含量测定工作流”新建应用，并训练模型，详情请见训练模型。 整体评估 在“模型评估”页面，您可以针对当前版本的模型进行整体评估。 图1 模型评估 “模型评估”显示当前模型的“版本”、“标签数量”、“验证集数量”。 “评估参数对比”显示当前模型和其他版本模型的评估参数值柱状图，包括“交并

查看更多 →