序的数字签名，以确保应用程序的完整性和真实性。 备案时，在鸿蒙平台中填写证书中的公钥。 签名MD5值 签名 MD5 值是指应用程序在发布到应用商店之前，由开发者使用签名证书对应用程序进行数字签名后所得到的 MD5 值。 APP 特征信息中的 MD5 值，指的是 APP 证书的数字指纹值。

查看更多 →

功能简述 水环境监测：水环境监测旨在通过地图查看接入的排口、排口水质、水质站点、考核断面、河道、排水户、污水厂、水文站8 类POI 的地理位置及绑定设备的监测参数，实现辖区内的全域监测。 雨情预警：通过水位监测、流量监测、视频监测等前端感知设备对易涝点积水信息、实时流量信息、区域

查看更多 →

从下拉框中选择当前数据操作流的名字。 操作流变量名 如果存在多个数据操作流，可重命名操作流对象的变量名，以避免冲突。 单击图标，运行“删除列”代码框内容。 选择列 如果数据的特征量大，而大多数特征对模型训练无效，可通过“选择列”保留仅对模型训练有意义的特征。 操作步骤如下所示。 单击界面右上角的图标，选择“数据处理

查看更多 →

数据特征 数据分析 数据处理 特征工程 父主题： 预置算子说明

查看更多 →

OLAP为使用多维结构为分析提供对数据的快速访问的技术，OLAP 的源数据通常存储在关系数据库的 数据仓库 中。OLAP是数据仓库系统的主要应用，支持复杂的分析操作，侧重决策支持，并且提供直观易懂的查询结果。 OLTP也称为面向交易的处理系统，其基本特征是顾客的原始数据可以立即传送到计算中心

查看更多 →

而用极少的几个特征来涵盖大部分的数据集信息。主成分分析认为，沿某特征分布的数据的方差越大，则该特征所包含的信息越多，也就是所谓的主成分。适用于线性可分的数据集。 KPCA：基于核函数的主成分分析。KPCA与PCA基本原理相同，只是需要先升维再进行投影，因为有些非线性可分的数据集只有在升维的视角下才线性可分。

查看更多 →

果右侧的参数说明，如表1所示。 表1 特征画像参数说明 参数 说明 设备数 需要检测的KPI对象的数量，如设备或端口的数目。 样本数 训练数据总的样本数。 采样率 采样频率，单位为秒。60的含义为每60秒采样一次。 开始时间 采样的时间跨度。 结束时间 周期 是否有周期的特性，给出评估的值。

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 →

特征；过低的iv值没有区分性会造成训练资源的浪费，过高的iv值又过于突出可能会过度影响训练出来的模型。 例如这里大数据厂商提供的f4特征iv值是0，说明这个特征对于标签的识别没有区分度，可以不选用；而f0、f2特征的iv值中等，适合作为模型的训练特征。 根据计算得出的iv值，企业

查看更多 →

特征转换 概述 将对应列的数据乘以相应的权重得到新的列，只支持数字列。 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 数据集 参数说明 参数 子参数 参数说明 input_columns_str

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 →

数据仓库 华为云数据仓库高级工程师培训 父主题： 培训服务

查看更多 →

单击“创建”，界面新增“Harddisk”特征工程。 等待特征工程的“环境信息”中的特征工程状态从“创建中”变更为“运行中”，即开发环境创建完成。 单击特征工程“操作”列的图标，进入JupyterLab环境的“Launcher”界面。 在左侧的代码目录中，可以看到系统自动为用户创建的与特征工程同名的算法工程目录

查看更多 →

得超过行为数据的时间范围。 测试数据时间：测试数据起始时间和终止时间，该起始时间和终止时间不得超过行为数据的时间范围。 “RATE” 训练数据占比：生成的结果中，训练集占整个训练集和测试集的比例，默认0.7。 测试数据占比：生成的结果中，训练集占整个训练集和测试集的比例，默认0.3。

查看更多 →

项目ID，获取方法请参考获取项目ID。 instance_id 是 String 实例的ID。 最小长度：1 最大长度：64 请求参数 表2 请求Body参数 参数 是否必选 参数类型 描述 package_id 是 String 模型包ID。 entity_type 是 String

查看更多 →

inputs为字典类型，dataframe为pyspark中的DataFrame类型对象 输出 参数 子参数 参数说明 output output_cnt_table 指向一个pyspark的DataFrame类型对象，该对象中包含各个特征及其取值的统计信息 output output_value_table

查看更多 →

Frequency，针对非数值型的数据，即类别离散数据的算法。具体步骤如下： 将所有的数据点都标为非异常点； 计算所有每一个属性值的频数； 计算每一个点的AVF score，即样本点x的每一个属性值对应的频数之和除以属性总数，这里的属性指的都是category的属性。 AVF score值越小，样本越异常。

查看更多 →

为什么要使用数据仓库？ 现状和需求 大量的企业经营性数据（订单，库存，原料，付款等）在企业的业务运营系统以及其后台的（事务型）数据库中产生的。 企业的决策者需要及时地对这些数据进行归类分析，从中获得企业运营的各种业务特征，为下一步的经营决策提供数据支撑。 困难 对数据的归类分析往往涉及到对多张数据库表数据的同时访问，

查看更多 →

该指标用于统计测量对象已经使用的CPU核个数。 ≥0 核（Core） CPU使用率（aom_node_cpu_usage） 该指标用于统计测量对象的CPU使用率。 0～100 百分比（%） 可用物理内存（aom_node_memory_free_megabytes） 该指标用于统计测量对象上的尚未被使用的物理内存。

查看更多 →

_packets） 每秒网卡接收的数据包个数。 ≥0 个/秒（Packet/s） 下行错包率（aom_node_network_receive_error_packets） 每秒网卡接收的错误包个数。 ≥0 个/秒（Count/s） 上行Bps（aom_node_network_transmit_bytes）

查看更多 →

通道异常及其处理 通道异常判断 在“账号列表”页面，单击账号所在行“操作”列的“检查通道状态”，可检查当前主机用户的SSH连接状态，并更新“SSH状态”数据。 通道异常处理 没有所需的通道，需重新创建账号并绑定。 当所需的通道为异常时，先重置密码再检查该状态，重置密码相当于刷新该

查看更多 →