混淆矩阵 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 →

tes） 该指标用于统计每秒写入磁盘的数据量。 ≥0 千字节/秒（kB/s） 表2 磁盘指标维度 维度 说明 clusterId 集群ID。 diskDevice 磁盘名称。 hostID 主机ID。 nameSpace 集群的命名空间。 nodeIP 主机IP。 nodeName

查看更多 →

实例指标及其维度 实例指标是由容器或进程指标汇聚而来的，其指标维度与容器或进程指标维度相同，详见容器组件指标及其维度和虚机组件指标及其维度。 父主题： 指标总览

查看更多 →

object data，统一的返回结果的最外层数据结构。 表5 data 参数 参数类型 描述 value Array of strings value，统一的返回结果的外层数据结构。 状态码： 400 表6 响应Body参数 参数 参数类型 描述 error_code String

查看更多 →

VDN维度实时接口 查询指定VDN下的系统接入码信息 查询指定VDN下的座席休息情况 查询指定VDN下的座席电话号码 查询指定VDN下的所有座席信息 查询指定VDN下的所有座席的当前状态信息 查询指定VDN下的所有座席的静态配置信息 查询指定VDN下的IVR详细状态信息 查询指定VDN下的IVR流程接入码信息

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 →

智能场景简介 针对对应的场景，由RES根据场景类型预置好对应的智能算法，为匹配的场景提供智能推荐服务。 智能场景功能说明 表1 功能说明 功能 说明 详细指导 猜你喜欢 推荐系统结合用户实时行为，推送更具针对性的内容，实现“千人千面”。 创建智能场景 关联推荐 基于大规模机器学习算法，深度挖掘物品之间的联系，自动匹配精准内容。

查看更多 →

附录 名词解释 基本概念、云服务简介、专有名词解释： 企业主机安全 HSS：是服务器贴身安全管家，通过资产管理、漏洞管理、基线检查、入侵检测、程序运行认证、文件完整性校验，安全运营、网页防篡改等功能，帮助企业更方便地管理主机安全风险，实时发现黑客入侵行为，以及满足等保合规要求。 Web应用防火墙

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 →

进行参数调整和代码调整构建独特的业务场景需要的AI算法。 图2 丰富的预置算子 亮点特性3：提供高度开放的自定义算子开发环境 MLS提供了高度开放的自定义算子开发环境，开发者可以用自己习惯的方式编写MLS算子并拖拽至画布，构建算链完成模型构建。MLS支持全新编写自定义算子、上传自

查看更多 →

向量检索的客户端代码示例（Java） Elasticsearch提供了标准的REST接口，以及Java、Python等语言编写的客户端。 本节提供一份创建向量索引、导入向量数据和查询向量数据的Java代码示例，介绍如何使用客户端实现向量检索。 前提条件 根据集群实际版本添加如下Maven依赖，此处以7

查看更多 →

基于K-Means算法的分类结果图 图7 基于正态贝叶斯的分类结果图 支持调用PIE-Engine AI平台的丰富深度学习模型进行实时解译 图8 调用PIE-Engine AI平台模型进行水体解译结果图 支持用户通过程序调用内置的UI组件，为自己的程序添加自定义的界面控件，实现交互式的可视化遥感分析

查看更多 →

level： ERROR GS_232050001 错误码： LZ4 decompress failed when deserializing message. 解决方案：请确认网络接收到的数据是否正确。 level： ERROR GS_232200033 错误码： [VecHashJoin]:

查看更多 →

会话级（session） [1, 32768](128) 表示利用gsdiskann索引检索向量的时候的候选集合大小。 gsivfflat_probes 会话级（session） [1, 32768](5) 表示待搜索的倒排列表的数量，超过倒排列表总数时执行全表搜索。 gsivfflat_secondary_probes

查看更多 →

目标列经过标签编码后的新的列名，默认为"label_index" classifier_feature_vector_col - 算子输入的特征向量列的列名，默认为"model_features" prediction_index_col - 算子输出的预测label对应的标签列，默认为"prediction_index"

查看更多 →

数值稳定常量：为保证数值稳定而设置的一个微小常量。默认1e-8。 adagrad：自适应梯度算法 对每个不同的参数调整不同的学习率，对频繁变化的参数以更小的步长进行更新，而稀疏的参数以更大的步长进行更新。 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

查看更多 →

Hive是否支持向量化查询 问题 当设置向量化参数hive.vectorized.execution.enabled=true时，为什么执行hive on Tez/Mapreduce/Spark时会偶现一些空指针或类型转化异常？ 回答 当前Hive不支持向量化执行，向量化执行有很多社

查看更多 →

s） 还未经使用的磁盘空间。 ≥0 兆字节（MB） 磁盘空间容量（aom_cluster_disk_capacity_megabytes） 总的磁盘空间容量。 ≥0 兆字节（MB） 磁盘使用率（aom_cluster_disk_usage） 已使用的磁盘空间占总的磁盘空间容量百分比。

查看更多 →

座席维度实时接口 批量查询座席签入的技能队列 批量查询座席信息 查询指定座席的当前呼叫ID 批量查询所有座席的呼叫信息 查询指定座席的私有呼叫 批量查询座席状态下的座席个数 查询指定座席详细信息 查询座席休息信息 查询座席是否有通话在处理 查询座席维度系统状态信息 获取座席实时监控指标

查看更多 →

数值稳定常量：为保证数值稳定而设置的一个微小常量。默认1e-8。 adagrad：自适应梯度算法 对每个不同的参数调整不同的学习率，对频繁变化的参数以更小的步长进行更新，而稀疏的参数以更大的步长进行更新。 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

查看更多 →

参考：作业分片维度 CDM 在进行作业分片时，根据源端数据源的差异，分片维度有所不同。详情如表1所示。 表1 不同源端数据源的作业分片维度 数据源分类 源端数据源 作业分片原理 数据仓库 数据仓库服务（DWS） 支持按表字段分片。 不支持按表分区分片。 数据湖探索 （ DLI ） 支持分区表的分区信息分片。

查看更多 →