inputs dataframe inputs为字典类型，dataframe为pyspark中的DataFrame类型对象，必须为分类模型的预测结果。 输出 参数 子参数 参数说明 output output_port_1 output为字典类型，output_port_1为混淆矩阵dataframe。

查看更多 →

编辑数据字典 在“数据字典管理”页面，选中待编辑的数据字典记录，单击“编辑”，根据实际情况修改属性名称、说明等参数信息。 删除数据字典 在“数据字典管理”页面，选中待删除的数据字典记录，先单击该数据字典记录右侧的，再在弹出的操作列表中单击“删除”，删除数据字典。 查询数据字典 在“

查看更多 →

Studio操作界面章节。 Step1 创建一个空算链 单击Launcher界面的MLS Editor，选择名为PySpark-2.4.5的Kernel，创建一个空的算链。 创建算链后，左侧界面自动跳转到资产预览界面。 图1 算链创建成功 Step2 使用ML Studio建模 从左侧资产浏览界面

查看更多 →

配置说明 字典编码 填写字典类唯一标识。 字典名称 填写字典类名称。 扩展字段1 作为字典类默认值，预留字段，可不填。 扩展字段2 描述 填写数据字典的描述信息。 数据字典创建完成后，单击字典名称前的“”展开字典项列表。 单击“创建字典项”。 在创建字典项弹窗中配置字典项相关信息，完成后单击“确认”。

查看更多 →

String 字典扩展字段2。 字符集：中文、英文字母、数字、下划线和空格。 parent_code String 父字典编码，为空时代表自身就是最顶级字典。 type String 字典类型。 system: 代表系统内置字典，用户可编辑但不可删除。 user: 代表用户创建字典。 create_time

查看更多 →

是否启用 必填项，选择输入 表11.6-1 数据字典信息输入说明 2.点击保存，字典类别创建完成，配置数据字典类别子项 3.数据字典类别创建成功后，点击“设置”按钮，创建数据字典类别子项。点击“新建”，输入字典类别子项信息 图11.6-2 新建字典类别子项 输入项 输入说明 项编码 必填项，手动输入可根据企业编码规则规范输入

查看更多 →

创建知识库问法 功能介绍 该接口用于创建知识库问法。 调用方法 请参见如何调用API。 URI POST /v1/{project_id}/digital-human-chat/knowledge/question 表1 路径参数 参数 是否必选 参数类型 描述 project_id

查看更多 →

0版本之前未开启Kerberos认证的集群不支持访问权限细分。只有开启Kerberos认证才有角色管理权限， MRS 1.8.0及之后版本的所有集群均拥有角色管理权限。 MRS集群未开启kerberos认证，视为“不合规” MRS服务暂不支持集群创建完成后手动开启和关闭Kerberos服务，

查看更多 →

Allocation)，由Blei等人于2003年提出的无监督学习算法，可以按照概率分布的形式给出文档集中每篇文档的主题，在文本挖掘领域，应用于文本主题识别、文本分类和文本相似度计算等方面。 输入 参数 子参数 参数说明 inputs dataframe inputs为字典类型，dataframe为pys

查看更多 →

什么是对话机器人服务 对话机器人服务（Conversational Bot Service） 是一款基于人工智能技术，针对企业应用场景开发的云服务，主要提供智能问答机器人功能。智能问答机器人旨在帮助企业快速构建，发布和管理基于知识库的智能问答机器人系统。 对话机器人服务包含以下子服务：

查看更多 →

无监督车牌检测工作流 工作流介绍 准备数据 选择数据 训练模型 评估模型 部署服务 父主题： 视觉套件

查看更多 →

如何使用数据字典？ 前提条件 用户具有数据字典管理权限 操作步骤 登录ISDP系统，选择“公共平台->系统配置->应用设置->数据字典管理”，打开数据字典管理页面 点击“新建”按钮，输入数据字典类别 图1 数据字典管理 表1 数据字典信息输入说明 输入项 输入说明 类别编码 必填

查看更多 →

attribute_name 在监督学习任务中训练模型的目标列名(可进行简单的表达式处理)。 取值范围：字符型，需要符合数据属性名的命名规范。 subquery 数据源。 取值范围：字符串，符合数据库SQL语法。 hyper_parameter_name 机器学习模型的超参名称。 取值范

查看更多 →

attribute_name 在监督学习任务中训练模型的目标列名(可进行简单的表达式处理)。 取值范围：字符型，需要符合数据属性名的命名规范。 subquery 数据源。 取值范围：字符串，符合数据库SQL语法。 hyper_parameter_name 机器学习模型的超参名称。 取值范

查看更多 →

数据标注对于KPI异常检测非常重要，可以有效提升监督学习训练过程中KPI异常检测的准确率，在无监督学习中对模型做验证评估。 监督学习：使用标注工具对原始数据进行标注，并将标注数据用于训练。用户基于训练结果确认并更新数据标注，将标注数据重新用于训练，提升KPI检测准确率。 无监督学习：使用标注工具对原始数据

查看更多 →

String 问法ID。 question 是 String 问法。 响应参数 状态码： 200 表5 响应Header参数 参数 参数类型 描述 X-Request-Id String 请求ID。 状态码： 400 表6 响应Body参数 参数 参数类型 描述 error_code

查看更多 →

ML Studio快速入门 背景信息 使用MLS预置算链进行机器学习建模 从0到1利用ML Studio进行机器学习建模 父主题： ML Studio

查看更多 →

迁移学习 如果当前数据集的特征数据不够理想，而此数据集的数据类别和一份理想的数据集部分重合或者相差不大的时候，可以使用特征迁移功能，将理想数据集的特征数据迁移到当前数据集中。 进行特征迁移前，请先完成如下操作： 将源数据集和目标数据集导入系统，详细操作请参见数据集。 创建迁移数据

查看更多 →

可见范围内的学员在学员端可看见此项目并可以进行学习，学习数据可在学习项目列表【数据】-【自学记录】查看。 学习设置： 防作弊设置项可以单个项目进行单独设置，不再根据平台统一设置进行控制。 文档学习按浏览时长计算，时长最大计为：每页浏览时长*文档页数；文档学习按浏览页数计算，不计入学习时长。 更多设置：添加协同人

查看更多 →

attribute_name 在监督学习任务中训练模型的目标列名(可进行简单的表达式处理)。 取值范围：字符型，需要符合数据属性名的命名规范。 subquery 数据源。 取值范围：字符串，符合数据库SQL语法。 示例 CREATE TABLE houses ( id INTEGER, tax INTEGER

查看更多 →

，可帮助开发者快速构建具有实用价值的机器学习应用。 MLS为AI开发者提供可视化的操作界面来编排机器学习模型的训练、评估和预测的过程，无缝衔接数据分析和预测应用，为用户的数据挖掘分析业务提供易用、高效、高性能的工具。 了解概念 算子 在MLS中，算子是一种基本功能单元，以ipyn

查看更多 →