域感知因子分解机是因子分解机的改进版本，因子分解机每个特征对其他域的隐向量都一致，而域感知因子分解机每个特征对其他每个域都会学习一个隐向量，能够达到更高的精度，但也更容易出现过拟合。FFM算法参数请参见域感知因子分解机。 深度网络因子分解机，结合了因子分解机和深度神经网络对于特征表达的学习，同时学习高阶和低阶特

查看更多 →

填写子需求的信息。 单击图标，可以展开及配置更多信息。 单击“确定”，分解成功。 US和IR的分解方法相同，US支持复制新建，不支持再分解。当IR的“归属项目”非本项目时，US的分解须在IR的“归属项目”中进行。 分解成功的IR和US还可在“研发需求”中查看、编辑，且IR的状态会自动卷积US的状态。

查看更多 →

分解原始需求 原始需求按层级划分为RR、IR、SR、AR，分别为第一、二、三、四级。RR可以分解为IR，IR可以分解为SR，SR可以分解为AR。AR是最小单位的研发需求，不能继续分解。 仅规划和实现状态的原始需求支持分解。 前提条件 已创建项目。 已创建原始需求。 操作步骤 在原

查看更多 →

分解研发需求 研发需求按层级划分为IR、SR、AR，分别为第一、二、三级。IR可以分解为SR，SR可以分解为AR。AR是最小单位的研发需求，不能继续分解。 前提条件 已创建项目。 已创建研发需求。 操作步骤 在研发需求列表中，单击需要分解需求所在行的图标，弹出“分解子需求”窗口。

查看更多 →

分解研发需求 研发需求按层级划分为IR、US，分别为第一、二。IR可以分解为US，US是最小单位的研发需求，不能继续分解。 前提条件 已创建项目。 已创建研发需求。 操作步骤 在研发需求列表中，单击需要分解需求所在行的图标，弹出“分解子需求”窗口。 填写子需求的信息。 单击图标，可以展开及配置更多信息。

查看更多 →

颜色矩阵 图1 颜色矩阵 颜色值矩阵：下表中，各颜色值同上述示意图一一对应。 表1 颜色矩阵 颜色值 FF000000 FF595959 FFA5A5A5 FFFFFFFF FF8E2323 FFB20000 FFDB7070 FFFF4C4C FF8E5923 FFB25900

查看更多 →

矩阵量表 矩阵量表用于形象地评估对事物的喜好程度。 在表单开发页面，从“数据组件”中，拖拽“矩阵量表”组件至表单设计区域，如图1。 图1 矩阵量表 如图2所示，使用矩阵量表对车辆进行评分。 图2 矩阵量表配置示例 显示名称：该组件在页面呈现给用户的名称，可以设置为中文，也可以设置为英文。

查看更多 →

行更新。 学习率：优化算法的参数，决定优化器在最优方向上前进步长的参数。默认0.001。 初始梯度累加和：梯度累加和用来调整学习步长。默认0.1。 ftrl：Follow The Regularized Leader 适用于处理超大规模数据的,含大量稀疏特征的在线学习的常见优化算法。

查看更多 →

√ 设置桶的多版本状态 setBucketVersioning、setBucketVersioningConfiguration √ √ √ √ √ √ 获取桶的多版本状态 getBucketVersioning、getBucketVersioningConfiguration √

查看更多 →

DLI SDK功能矩阵 SDK开发指南指导您如何安装和配置开发环境、如何通过调用DLI SDK提供的接口函数进行二次开发。 Java、Python SDK功能矩阵请参见表1 表1 SDK功能矩阵 语言 功能 内容 Java OBS授权 介绍将OBS桶的操作权限授权给DLI的Java

查看更多 →

修改主机集群权限矩阵 功能介绍 根据主机集群id修改主机集群权限矩阵。 调用方法 请参见如何调用API。 URI PUT /v2/host-groups/{group_id}/permissions 表1 路径参数 参数 是否必选 参数类型 描述 group_id 是 String

查看更多 →

响应Body参数 参数 参数类型 描述 [数组元素] Array of DevUcClusterPermission objects 主机集群权限矩阵 表4 DevUcClusterPermission 参数 参数类型 描述 region String 局点信息 role_id String

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 →

项目经理工作量分解 SOW中伙伴投入人天需具体拆分至负责人，伙伴必须投入项目经理对项目进行有效管理，并对项目经理工作量进行分解。 父主题： SOW（项目工作说明书）注意事项

查看更多 →

训练最大步数 模型训练的最大步数。 warmup_ratio 学习率热启动比例 学习率热启动参数，一开始以较小的学习率去更新参数，然后再使用预设学习率，有效避免模型震荡。 warmup_steps 学习率热启动步数 学习率热启动的过程中预设的步数。 bf16 计算精度 是否开启bf16。

查看更多 →

处理、机器翻译、 语音识别 、智能问答等领域。 向量化模型 向量化模型是将文本数据转换为数值向量的过程。常用于将文本转换为机器可以处理的形式，以便进行各种任务，如文本分类、情感分析、机器翻译等。 多模态模型 多模态模型是指能够处理多种类型数据（如文本、图像、音频等）的机器学习模型。这

查看更多 →

调度的时间间隔。 基于交替最小二乘的矩阵分解推荐 基于交替最小二乘的矩阵分解推荐：基于用户-物品的行为信息作为原始矩阵，利用ALS优化算法对原始矩阵进行矩阵分解，分解之后的用户隐向量矩阵和物品隐向量矩阵可以用来生成预估的新的用户-物品评分矩阵，提取出评分最高的若干个物品作为召回结果。

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 →

查询应用实例级/项目级权限矩阵 功能介绍 查询应用实例级/项目级权限矩阵，传递app_id时，查询应用实例级权限矩阵；未传app_id，传递project_id时，查询应用项目级权限矩阵。 调用方法 请参见如何调用API。 URI GET /v3/applications/permissions

查看更多 →

00E-08。 学习率(learning_rate) 是 Double 决定优化器在优化方向上前进步长的参数。取值范围(0,1]，默认值为0.001。 在线学习(ftrl) 初始梯度累加和 (initial_accumulator_value) 是 Double 用来动态调整学习步长。取值范围(0

查看更多 →

原因分析 该机器在进行过某些Windows功能的启用或关闭后未进行重启。 处理方法 请重启机器。 must log in to complete the current configuration or the configuratio\r\nn in progress must be

查看更多 →