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。 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

查看更多 →

，非敏感，脱敏）的设定、元数据的发布等，为数据源计算节点提供全生命周期的可靠性监控、运维管理。 可信联邦学习 对接主流深度学习框架实现横向和纵向的联邦训练，支持基于安全密码学(如不经意传输、差分隐私等)的多方样本对齐和训练模型的保护。 数据使用监管 为数据参与方提供可视化的数据使

查看更多 →

L。 执行脚本 用户本地的自定义执行脚本，样例请参考准备本地横向联邦数据资源中步骤4。 训练模型 用户自定义模型，样例请参考准备本地横向联邦数据资源中步骤3。 初始权重参数 评估时必填，训练时可选，样例请参考准备本地横向联邦数据资源中步骤3。 迭代次数 即epoch，数据迭代计算的次数。

查看更多 →

方便与已有服务对接。 使用场景 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

查看更多 →

分组 按列GROUP BY 按表达式GROUP BY GROUP BY中使用HAVING ROLLUP GROUPING SETS 父主题： SELECT

查看更多 →

创建事件触发流程 创建完成后，系统自动进入流程设计页面，如图2所示。流程设计页面默认为纵向布局，单击主菜单中的“切换横向布局”，可将页面调整为横向布局，如图3。 图2 流程设计页面（纵向布局） 图3 流程设计页面（横向布局） 设计流程。 例如，设计一个流程，通过添加记录节点，来获取开始节点的

查看更多 →

约束限制 纵向联邦作业XGBoost算法只支持两方参与训练。 训练作业必须选择一个当前计算节点发布的数据集。 作业创建者的数据集必须含有特征。 创建纵向联邦学习作业 纵向联邦学习作业在本地运行，目前支持XGBoost算法、逻辑回归LR算法和FiBiNET算法。 纵向联邦学习分为

查看更多 →

可根据需要添加数据和框图，也可根据需要选择框图的横向和纵向布局。 可根据“任务名称”“场景名称”“信号名称”，搜索任务。 单击可删除不需要的框图和数据。单击“清空数据”，可清空页面上所有的数据。 内置评测信号参数 表1 内置评测信号参数 内置评测信号参数 对应中文 speedX 纵向速度 speedY 侧向速度

查看更多 →

String 纵向联邦算法类型枚举值。XG_BOOST，LIGHT_BGM， LOG ISTIC_REGRESSION（逻辑回归），NEURAL_NETWORK，FIBINET 枚举值： XG_BOOST LIGHT_BGM job_type 是 String 作业类型。HFL（横向联邦），VFL（纵向联邦）。

查看更多 →

会存在主车与对向车辆存在横向冲突的情况， 应对对向车辆冲突行驶检测的目的是判断主车在这种情况下， 能否进行适当的转向和减速避让， 从而保证安全性。 其中主车需要进行避让的前提条件是： 当主车前端与对向行驶的车道纵向距离一定范围内（本设计取10m）， 并且主车与对向车辆的横向距离小于两者一半车宽的和。

查看更多 →

修改异常值为正常值。 连续时间批量标注：使用横向选择工具，批量将连续时间段内的数据标注为异常值或修改为正常值。 连续时间制定值域范围内批量标注：使用纵向选择工具，将当前显示时间范围内且数值在所选值域范围内的数据批量标注为异常值或修改为正常值。 任意连续区域批量标注：使用局部选择工

查看更多 →

setVideoLayoutMode(设置视频窗口画面排列模式) 接口描述 设置视频通话时的视频布局模式，并列，画中画模式两种。 注意事项 已经建立与OpenEye的WebSocket连接。 方法定义 OpenEyeCall.prototype.setVideoLayoutMode

查看更多 →

单击，选择横向选择工具。 在图表区域需要标注的起始时间戳处单击，拖动鼠标到终止时间戳。 在弹出的“横向选择标注”对话框中进行标注。 单击“确认”，完成批量标注。用户确认保存后，结果会保存到租户OBS桶。 连续时间戳内指定值域范围内批量标注操作步骤如下： 单击，选择纵向选择工具。

查看更多 →

评估型横向联邦作业流程 基于横向联邦作业的训练结果，可以进一步评估横向联邦模型，将训练好的模型用于预测。 选择对应训练型作业的“历史作业”按钮，获取最新作业的模型结果文件路径。 图1 查看模型结果文件的保存位置 前往工作节点上步骤1展示的路径，下载模型文件。由于Logistic

查看更多 →

安全多方计算MPC扩展语法支持union all语法。 公测 创建联邦数据分析作业 3 纵向联邦支持“样本粗筛”功能和“等距分箱”方式 纵向联邦作业在特征选择时，支持“样本粗筛”，能够筛选出id前缀相符的数据，达到减少数据量的目的 纵向联邦作业在特征选择时，分箱选择支持“等距分箱”。等距分箱是指经过计

查看更多 →

执行作业 执行横向作业 横向训练型作业在作业配置页面单击“保存”按钮后，单击“提交审批”按钮，等完成审批再单击“执行”按钮。 横向评估型作业在作业配置页面单击“保存”按钮后，可以直接单击“执行”按钮。 用户登录进入计算节点页面。 在左侧导航树上依次选择“作业管理 > 可信联邦学习”，打开可信联邦学习作业页面。

查看更多 →

创建定时触发流程 创建完成后，系统自动进入流程设计页面，如图3所示。流程设计页面默认为纵向布局，单击主菜单中的“切换横向布局”，可将页面调整为横向布局，如图4。 图3 定时触发流程设计页面 图4 定时触发流程横向布局 设计流程。 例如，设计一个定时触发流程，在每晚的17点， 给同事发送邮件

查看更多 →

保存横向联邦学习作业 功能介绍 保存横向联邦学习作业 调用方法 请参见如何调用API。 URI PUT /v1/{project_id}/leagues/{league_id}/fl-jobs/{job_id} 表1 路径参数 参数 是否必选 参数类型 描述 project_id

查看更多 →

SQL—多方安全计算 2.HFL—横向联邦学习 3.VFL_TRAIN---纵向联邦学习（训练） 4.VFL_EVALUATE---纵向联邦学习（评估） 5.VFL_ID_TRUNCATION---纵向联邦学习（样本粗筛） 6.VFL_FEATURE_SELECTION---纵向联邦学习（特征选择）

查看更多 →

String 图标所需展示的标题。 table_direction 是 String 表格的方向，H：默认，表头横向，V：表头纵向。 枚举值： H V group_by 是 String 分组规则。 filter 是 String 过滤列表模型。 field_item_list 是 Array

查看更多 →

执行纵向联邦模型训练作业 功能介绍 执行纵向联邦模型训练作业 调用方法 请参见如何调用API。 URI POST /v1/{project_id}/leagues/{league_id}/fl-vertical-jobs/{job_id}/execute 表1 路径参数 参数 是否必选

查看更多 →