处理。 待提取物品特征 排序模型需要经特征工程处理后的数据， 选择排序模型需要的物品特征，未选择的物品特征将不会被处理，即排序模块将忽略这些特征。 说明： 离散的区间个数不能超过100个，请您根据业务需求合理分配参数值。 单击，增加物品特征。在下拉选项中勾选特征参数名称并进行配置

查看更多 →

排序 “排序”处理器用于处理数据的排序。 配置参数 参数 说明 数据集 待排序的数据，可以是上一步传过来的数据，也可以是自定义的数据。 可通过变量的方式引用前序步骤中的数据，请参考引用变量。 参数路径 排序使用的参数。 可通过变量的方式引用前序步骤中的数据，请参考引用变量。 排序方式

查看更多 →

排序 “排序”处理器用于处理数据的排序。 配置参数 参数 说明 数据集 待排序的数据，可以是上一步传过来的数据，也可以是自定义的数据。 可通过变量的方式引用前序步骤中的数据，请参考引用变量。 参数路径 排序使用的参数。 可通过变量的方式引用前序步骤中的数据，请参考引用变量。 排序方式

查看更多 →

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征组合，从而

查看更多 →

训练数据的obs路径 特征工程排序样本预处理生成的训练数据所在的OBS路径。 即特征工程“排序样本预处理”结果保存路径下具体的训练文件路径。 测试数据的obs路径 特征工程排序样本预处理生成的测试数据所在的OBS路径。 即特征工程“排序样本预处理”结果保存路径下具体的测试文件路径。 特征值数量统计文件

查看更多 →

排序 ORDER BY SORT BY CLUSTER BY DISTRIBUTE BY 父主题： SELECT

查看更多 →

特征选择 删除列 删除特征列的场景有很多，例如：两个特征呈线性变化关系，为减少模型训练的开销，删除其中一个特征列。 操作步骤如下所示。 单击界面右上角的图标，选择“数据处理 > 特征选择 > 删除列”，界面新增“删除列”内容。 对应参数说明，如表1所示。 表1 参数说明 参数 参数说明

查看更多 →

排序规则 GaussDB数据库 支持指定模式、表或列的排序规则，支持的范围如下。 排序规则差异说明： 当前仅有字符串类型、部分二进制类型支持指定排序规则，其他类型不支持指定排序规则，可以通过查询pg_type系统表中类型的typcollation属性不为0来判断该类型支持字符序。M

查看更多 →

排序规则 GaussDB 数据库支持指定模式、表或列的排序规则，支持的范围如下。 排序规则差异说明： 当前仅有字符串类型、部分二进制类型支持指定排序规则，其他类型不支持指定排序规则，可以通过查询pg_type系统表中类型的typcollation属性不为0来判断该类型支持字符序。M

查看更多 →

根据计算得出的iv值，企业A调整了训练使用的特征，没有选用双方提供的特征全集，去掉了部分iv值较低的特征，减少了无用的计算消耗。 父主题： 使用 TICS 可信联邦学习进行联邦建模

查看更多 →

排序规则 GaussDB数据库支持指定库、模式、表或列的排序规则，支持的范围如下。 排序规则差异说明： 当前仅有字符串类型、部分二进制类型支持指定排序规则，其他类型不支持指定排序规则，可以通过查询pg_type系统表中类型的typcollation属性不为0来判断该类型支持字符序

查看更多 →

同特征的多行样本进行可信联邦学习，联合建模。 模型评估 评估训练得出的模型权重在某一数据集上的预测输出效果。 纵向联邦机器学习 纵向联邦机器学习，适用于参与者训练样本ID重叠较多，而数据特征重叠较少的情况，联合多个参与者的共同样本的不同数据特征进行可信联邦学习，联合建模。 概念术语

查看更多 →

将整个数据集切分成多个子数据集，依次训练，每个epoch训练一个子数据集。 DeepFM DeepFM，结合了FM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征组合，从而达到准确地特征组合学习，进行精准推荐。 表2 深度网络因子分解机参数说明 参数名称 说明 名称 自定义策略名称，由中文、英文、数

查看更多 →

检查“已选择特征”是否为用户选择的特征列。 配置“变换特征数”，保留指定“变换特征数”的特征列。 单击“确定”，执行信息熵。 在“特征操作流总览”区域会新增一个“信息熵”节点。 新增特征 新增特征支持用户基于已有的特征列，按照样本数据行的维度，通过求和、求均值，构造出新的特征列。例如，两个特征列ID1（2

查看更多 →

。这些类别，对应到后面的特征选择、算法推荐，会有不同的策略，有效提升模型的构建效率。 单击“选择数据”左下方的“特征画像”。 新增“特征画像”内容，如图1所示。 图1 特征画像 单击“特征画像”代码框左侧的图标，运行代码。 通过运行结果左侧两个图可以直观的看一下原始数据和数据的密

查看更多 →

呼叫特征 表1 呼叫特征说明 值 说明 0 普通客户呼叫 1 来自话务员 2 长途客户呼叫 3 CTI收到网络路由实呼后发起的路由 4 国际长途来话 40 预约呼出 41 预占用呼出 42 预连接呼出 43 虚呼入呼出 44 预览呼出 45 回呼请求 51 内部求助 父主题： 附录

查看更多 →

排序规则 GaussDB数据库支持指定模式、表或列的排序规则，支持的范围如下。 排序规则差异说明： 当前仅有字符串类型、部分二进制类型支持指定排序规则，其他类型不支持指定排序规则，可以通过查询pg_type系统表中类型的typcollation属性不为0来判断该类型支持字符序。M

查看更多 →

导入排序 CodeArts IDE提供了自动按字母顺序排序导入语句并移除不明确导入的“源代码操作”。 在代码编辑器中，右键单击并选择上下文菜单中的“源代码操作”。或者，按“Shift+Alt+S” /“Alt+Insert”（IDEA快捷键）。 在弹出菜单中，选择“Sort imports”。

查看更多 →

Standard自动学习 ModelArts通过机器学习的方式帮助不具备算法开发能力的业务开发者实现算法的开发，基于迁移学习、自动神经网络架构搜索实现模型自动生成，通过算法实现模型训练的参数自动化选择和模型自动调优的自动学习功能，让零AI基础的业务开发者可快速完成模型的训练和部署。

查看更多 →

如何创建多方安全计算作业？ 可信联邦学习作业 可信联邦学习作业是 可信智能计算服务 提供的在保障用户数据安全的前提下，利用多方数据实现的联合建模，曾经也被称为联邦机器学习。 横向联邦机器学习 横向联邦机器学习，适用于参与者的数据特征重叠较多，而样本ID重叠较少的情况，联合多个参与者的具有相同特征的多行样本进行联邦机器学习，联合建模。

查看更多 →

。 图5 特征工程服务 单击“Publish”，将特征工程发布成服务。 发布成功后，会弹出成功提示框，单击“OK”。 在菜单栏中，单击“特征工程”，进入“特征工程管理”界面。 单击“已发布服务”页签，查看特征工程服务，如图6所示。 图6 特征工程服务 单击特征工程服务行对应“操作”列的图标。

查看更多 →