需要被进行尺度变换的特征名 - scale_method 尺度变换的方法 "ln" item_spliter 离散型特征的，iterm之间的分割符 "," kv_spliter 离散型特征KV的分割符 ":" 样例 输入数据 配置流程 运行流程 参数设置 输出结果 父主题： 特征工程

查看更多 →

全局特征信息文件 在特征工程、在线模块，近线模块时都会用到该全局的特征信息文件。当上传的数据中的特征有变化时，用户需要同步更新该文件。该文件为JSON格式，包含特征名、特征大类、特征值类型。 表1 全局特征信息文件字段描述 字段名 类型 描述 是否必选 user_features

查看更多 →

特征异常平滑 概述 特征异常平滑算子用于将数据中的异常数据平滑到一定的区间，可选择采用箱线图、阈值、百分位和z-score的方法确定平滑区间。 z-score方式：计算所需要平滑的特征的均值mean和标准差std，并引入置信因子cl 平滑区间上界： 平滑区间下界： min-max

查看更多 →

特征工程处理数据集的计算平台。 创建人 发布服务的用户名。 创建时间 发布服务的时间。 活动时间 最新执行特征工程任务的时间。 简介 特征工程服务的简介。 查看特征工程服务详情，包括特征工程任务的列表信息。 创建特征工程任务。 删除特征工程服务。 父主题： 特征工程

查看更多 →

过滤式特征选择 概述 过滤式特征选择根据特征对标签的重要性对特征进行筛选，特征重要性较高的特征，提升训练的精度和效率。 输入 参数 子参数 参数说明 inputs dataframe inputs为字典类型，dataframe为pyspark中的DataFrame类型对象 输出 参数

查看更多 →

特征工程和算法工程的关系？ 用户创建特征工程的时候，进入特征工程，可以看到系统自动创建的与特征工程同名的算法工程。支持在同一个特征工程中创建多个算法工程，操作如下所示： 在JupyterLab环境编辑界面，单击界面左上角的“File > New Launcher”，界面右侧新增“

查看更多 →

用户单击“配置”，在弹出的“配置参数”对话框中分别输入“参数名”、“默认值”和“当前值”，即可修改超参值。 执行记录：查看全量数据应用的历史记录。并支持在“执行记录”中删除全量数据应用操作或重新执行全量数据应用操作。 执行：将特征操作流应用在导入特征工程的全量数据上，并生成经过特征处理的新数据。

查看更多 →

hm”下方的“算法工程”，弹出的“新建”对话框。 输入“名称”，示例：code-123，单击“确定”。 “code-123”算法工程创建完成，在界面左侧的代码目录，可以看到新增的“code-123”目录及其相关的主文件、子目录等。 不同的算法工程，均会有与算法工程同名的目录，且同

查看更多 →

String 全局特征文件OBS路径。 响应消息 响应参数请参见表3。 表3 响应参数说明 参数名称 参数类型 说明 is_success Boolean 请求是否成功。 global_features Object 全局特征表4。 error_code String 请求失败时的错误码，请求成功时无此字段。

查看更多 →

String 全局特征文件OBS路径。 响应消息 响应参数请参见表3。 表3 响应参数说明 参数名称 参数类型 说明 is_success Boolean 请求是否成功。 global_features Object 全局特征表4。 error_code String 请求失败时的错误码，请求成功时无此字段。

查看更多 →

大模型微调需要的数据有要求吗？ AI原生应用引擎用于大模型微调的数据集任务领域为“ 自然语言处理 ”、数据集格式为“对话文本”。 文件内容要求为标准json数组，例如： [{"instruction": "aaa", "input": "aaa", "output": "aaa"},{"instruction":

查看更多 →

线性特征重要性 概述 用线性模型计算训练数据的特征重要性。 输入 参数 子参数 参数说明 inputs dataframe inputs为字典类型，dataframe为pyspark中的DataFrame类型对象 输出 特征的重要性和特征在线性模型中的weights，格式是dataFrame。

查看更多 →

待提取用户特征 (user_features) 是 JSONArray 从全局特征文件提取输入的用户特征，对不同类型的特征进行相应的处理，处理后的数据用于排序模型训练。 特征必须来自用户属性配置表中定义的特征。 [{ "feature_name": "age", "feature_type":

查看更多 →

中国金融业信息技术“十三五”发展规划（2017）指出：支持实力较强的机构独立或者联合建设金融业云服务平台，面向同业特别是中小金融机构提供云服务，提高行业资源使用效率。多家银行系金融科技公司成立，以行业云方式，对信息建设、业务流程、金融应用软件开发等能力做输出。服务从集团内部到中小银行、基金、保险、证券、信托等金融机构，再到其他非金融企业。

查看更多 →

新建数据大屏 大屏概述 新建大屏 大屏全局参数配置 大屏组件 预览大屏 发布大屏 复制大屏 大屏分享协作 管理大屏

查看更多 →

大容量数据库 大容量数据库背景介绍 表分区技术 数据分区查找优化 数据分区运维管理 父主题： 分区表

查看更多 →

大容量数据库 大容量数据库背景介绍 表分区技术 数据分区查找优化 数据分区运维管理 父主题： 分区表

查看更多 →

Redis存储的自研分析数据进行匹配分析，提高定向投放和筛选能力。 业务痛点 RTA业务系统的海量数据、超高并发、低时延等特点，对存储海量用户特征数据的特征数据库带来了巨大的挑战，特征数据库要在低成本的基础上，提供高稳定性、高性能的能力，满足业务诉求。 该金融科技企业RTA业务在

查看更多 →

大容量数据库 大容量数据库背景介绍 表分区技术 数据分区查找优化 数据分区运维管理 父主题： 分区表

查看更多 →

传统数据交易方式，交易的是数据所有权，交易完成后，数据被无限制的复制。采用可信交易方式，交易的不是数据，而是数据的使用权，卖家卖的是对某个数据的用法用量，不用担心数据被复制。 优势： 数据不离开卖家，更放心。 卖家控制“隐私规则”，控制“用法和用量”。 支持三层异构，跨组织、跨地域、跨数据源。 低成本部署，支持边缘模式单节点部署。

查看更多 →

本例查看购买商品的用户中不同等级用户的分布情况。 图2 配置字段 您还可以通过样式选项对图表进行自定义的配置。 步骤3：发布大屏 完成大屏的编辑后，单击右上角“保存并发布”。 编辑大屏的名称，单击确定，发布的大屏。 更多大屏的功能请参考《智能数据洞察用户指南》操作指导。

查看更多 →