源，反复调整优化。 训练模型 俗称“建模”，指通过分析手段、方法和技巧对准备好的数据进行探索分析，从中发现因果关系、内部联系和业务规律，为商业目的提供决策参考。训练模型的结果通常是一个或多个机器学习或深度学习模型，模型可以应用到新的数据中，得到预测、评价等结果。 业界主流的AI引

查看更多 →

机器学习端到端场景 本章节以图像分类为例，阐述机器学习端到端场景的完整开发过程，主要包括数据标注、模型训练、服务部署等过程。您可以前往AI Gallery搜索订阅预置的“图像分类-ResNet_v1_50工作流”进行体验。 准备工作 准备一个图像分类算法（或者可以直接从AI Ga

查看更多 →

总结 本文介绍了在华为云平台上实现SAP的可靠性，可用性，性能和成本效益的最佳实践。在传统基础设施和华为云上部署SAP系统的差异可以忽略不计。在华为云上部署SAP系统时，应该考虑与计算配置，存储，安全，管理和监控相关的一些注意事项，以获得更好的效果。

查看更多 →

深度学习模型预测 深度学习已经广泛应用于图像分类、图像识别和 语音识别 等不同领域， DLI 服务中提供了若干函数实现加载深度学习模型并进行预测的能力。 目前可支持的模型包括DeepLearning4j 模型和Keras模型。由于Keras它能够以 TensorFlow、CNTK或者 Theano

查看更多 →

客户可对商品质量、交付速度和服务质量进行亮星评价（1~5颗星），单击选择商品标签、输入评论意见、上传图片（以上三项内容可选填），完成后单击“发表评论”。 评论发表后需要进行审核。审核中可修改评价或删除评价。 若评价审核通过，可修改评价、追加评价或删除评价。若评价审核不通过，可查看驳回原因并重新发表评价。

查看更多 →

评价管理 运营管理员可以查询用户对资产的所有评价，包括被评价的资产名称和资产状态、评价人、评价时间、用户评分、评价详情，也可以删除某条评价。 在运营管理平台里，选择菜单“资产管理 > 评价管理”。 查看用户对资产的评价，从而了解资产的质量和运营情况。运营管理员也可以根据实际需要，单击操作列里的“删除”，删除某条评价。

查看更多 →

概述 混淆矩阵是机器学习中总结分类模型预测结果的情形分析表，以矩阵形式将数据集中的记录按照真实的类别与分类模型预测的类别判断两个标准进行汇总。其中矩阵的行表示真实值，矩阵的列表示预测值。 True Positive（TP）：真正类。样本的真实类别是正类，并且模型识别的结果也是正类；

查看更多 →

号等信息。 总结测试周期和测试人员投入，即测试的计划开始和结束时间，测试总体进度，关键的阶段性进度检查点情况，测试人员数目、分工、投入工时等。 测试指标统计和分析评价 测试关键性指标统计：某些专项测试，例如速度、吞吐量、温度、时间、资源占用率等被测系统质量可量化指标的测试结果统计。

查看更多 →

模型训练 创建自动学习后，将会进行模型的训练，得到预测分析的模型。部署上线步骤将使用预测模型发布在线预测服务。 操作步骤 在新版自动学习页面，单击创建成功的项目名称，查看当前工作流的执行情况。 在“预测分析”节点中，待节点状态由“运行中”变为“运行成功”，即完成了模型的自动训练。

查看更多 →

。 精确率 被模型预测为某个分类的所有样本中，模型正确预测的样本比率，反映模型对负样本的区分能力。 准确率 所有样本中，模型正确预测的样本比率，反映模型对样本整体的识别能力。 F1值 F1值是模型精确率和召回率的加权调和平均，用于评价模型的好坏，当F1较高时说明模型效果较好。 连续数值评估结果

查看更多 →

服务评价 功能介绍 用户在工单处理完成之后可以进行服务评价，提交一些评论。 URI POST /v1.0/servicerequest/case/evaluation 请求消息 请求参数 表1 请求参数 参数 是否必选 参数类型 取值范围 描述 caseId 是 String 32

查看更多 →

precision：精确率 被模型预测为某个分类的所有样本中，模型正确预测的样本比率，反映模型对负样本的区分能力。 accuracy：准确率 所有样本中，模型正确预测的样本比率，反映模型对样本整体的识别能力。 f1：F1值 F1值是模型精确率和召回率的加权调和平均，用于评价模型的好坏，当F1较高时说明模型效果较好。

查看更多 →

项目总结 项目上线 项目转维 项目总结 归档发布资产 父主题： 交付中心

查看更多 →

项目总结 项目结束之后，项目经理可对整个项目进行总结回顾，支持上传关于对项目总结的相关文档。本模块对项目整个过程中的交付效率（交付时长，需求完成情况，资产信息进行统计）进行自动统计。 图1 项目总结入口 图2 项目总结 父主题： 项目总结

查看更多 →

敏捷运作方案的案例。 在项目总结阶段，ThoughtWorks将为试点团队再次进行AMM敏捷成熟度评估。从客观的体系总结出团队各个维度的现状、改进点、改进后仍然存在的问题，以及下一步的提升规划，并形成项目总结报告，以保证团队的持续敏捷运行。 图1 总结AMM评估汇总实例 父主题：

查看更多 →

反馈评价 功能介绍 提交/取消反馈评价 调试 您可以在 API Explorer 中调试该接口，支持自动认证鉴权。API Explorer可以自动生成SDK代码示例，并提供SDK代码示例调试功能。 URI POST /v2/irobot/feedbacks 表1 Query参数 参数

查看更多 →

评价管理 系统支持配置是否展示评价功能。如果配置为隐藏，则用户无评价管理功能。 资产提供方可以查看自己已发布的资产被评价情况。 登录ROMA Exchange系统后，先将鼠标放在页面右上角的个人账号处，然后单击“个人中心”。 选择“评价管理 > 客户评价”。 资产提供方可以单击操

查看更多 →

MR评价 该功能仅支持“专业版套餐”及“铂金版套餐”用户。 该功能用于设置MR评价的维度，设置后可在合并请求详情页面里对设置的维度进行评价。 设置MR评价 选择“启用MR自定义评价维度分类”，则为多维度MR评价，可添加评价维度。 输入维度名称，按Enter键保存，名称最多200个字符，最多支持新建20个。

查看更多 →

价标签并编辑评价内容， 确认无误后单击“发表评论”。 在资源详情页也可进行评价、修改评价、追评和删除评价。 已评价的商品可单击操作栏的“评价”，在评价窗口进行追评、修改和删除。 已追评的评价可单击操作栏的“评价”进行修改和删除。 每条评价支持追评一次和修改一次。 评价一旦删除将不可恢复，不可再评，请谨慎操作。

查看更多 →

旗舰版机器人默认支持重量级深度学习。 专业版和高级版机器人如果需要使用重量级深度学习，需要先单击“重量级深度学习”，然后单击“联系我们”。 图2 重量级深度学习 编辑模型信息。 轻量级深度学习：选填“模型描述”。 图3 轻量级深度学习 重量级深度学习：选择量级“中量级”或“重量级”，选填“模型描述”。

查看更多 →

使用MLS预置算链进行机器学习建模 本章节介绍如何通过一键运行预置的餐厅经营销售量预测算链，完成建模，帮助开发者快速了解MLS的建模过程。 前提条件 已经创建一个基于MLStudio的Notebook镜像，并进入MLS Editor可视化编辑界面，具体参考进入ML Studio操作界面章节。

查看更多 →