单击界面右上角的图标，选择“数据处理 > 特征选择 > 选择列”，界面新增“选择列”内容。 对应参数说明，如表2所示。 表2 参数说明 参数 参数说明 列筛选方式 特征列的筛选方式，有如下两种： 列·选择 正则匹配 列名 列筛选方式为“列选择”时展示，如果有多列特征数据需要保留，可单击“”同时选中多列特征名称。

查看更多 →

d 否 离散化连续特征方法，取值如下： equidistant division：根据特征的最小、最大值等距离分隔 "" discretization_bin_num 否 离散化连续特征区间数量 None is_sparse 是 是否是K:V的稀疏特征 False kv_col 否

查看更多 →

什么是 数据仓库 服务 数据仓库服务 GaussDB (DWS)是一种基于华为云基础架构和平台的在线数据分析处理数据库，提供即开即用、可扩展且完全托管的分析型数据库服务，兼容ANSI/ISO标准的SQL92、SQL99和SQL 2003语法，同时兼容PostgreSQL/Oracle/T

查看更多 →

路径参数 参数 是否必选 参数类型 描述 project_id 是 String 项目ID，最大32位，由字母和数字组成 league_id 是 String 空间ID，最大32位，由字母和数字组成 job_id 是 String 纵向联邦作业id，最大32位，由字母和数字组成 表2

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 →

即需要同时锁住多张可能正在被不同事务更新的表单。这对业务繁忙的数据库系统来说可能是一件非常困难的事情 。 一方面很难把多张表同时锁住，造成复杂查询的时延增加。 另一方面如果锁住了多张表，又会阻挡数据库表单更新的事务，造成业务的延时甚至中断。 解决方案 数据仓库主要适用于企业数据的关联和聚合等分析场景， 并从中

查看更多 →

什么是可用区，如何选择可用区 什么是可用区 可用区是同一服务区内，电力和网络互相独立的地理区域，一般是一个独立的物理机房，这样可以保证可用区的独立性。 一个区域内有多个可用区，一个可用区发生故障后不会影响同一区域内的其它可用区。 可用区间通过内网访问。 如何选择可用区 在购买云数

查看更多 →

什么是可用区，如何选择可用区 什么是可用区 可用区是同一服务区内，电力和网络互相独立的地理区域，一般是一个独立的物理机房，这样可以保证可用区的独立性。 一个区域内有多个可用区，一个可用区发生故障后不会影响同一区域内下的其它可用区。 可用区间通过内网访问。 如何选择可用区 在购买云

查看更多 →

检查“已选择特征”是否为用户选择的特征列。 配置“离散数量”。 单击“确定”。 在“特征操作流总览”区域会新增一个“特征离散化”节点。 One-hot编码 One-hot编码定义是使用N位状态寄存器来对N个状态进行编码。直观来说，在特征工程中One-hot是将特征列根据样本数据的种类

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 →

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 →

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“Harddisk”。一个特征工程中，支持创建多个算法工程，与Harddisk同级的是其他算法工程目录，可无需关注。 在左侧代码目录中，单击Harddisk，进入Harddisk目录。

查看更多 →

初始用户画像-物品画像-标准宽表生成，是将初始格式数据(离线数据)处理成用户画像、物品画像以及内部通用格式数据。 表1 初始用户画像-物品画像-标准宽表生成参数说明 参数名称 说明 数据源 数据在OBS的存放路径。包括用户属性表、物品属性表、用户操作行为表。 全局特征信息文件 用户在使用特征工程之前，需要

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 实体类别。 entity_urn

查看更多 →

指向一个pyspark的DataFrame类型对象，该对象中包含各个特征取值的gini，entropy指标 参数说明 参数 是否必选 参数说明 默认值 feature_cols 是 待分析的特征名称 "" label_col 是 标签列的名称 "" enable_sparse 是 输入数据是否为稀疏格式，取值为{true

查看更多 →

默认值 selected_cols 输入特征，字段类型没有限制。 是 无 detect_strategy 系统支持Box-plot和AVF选项。Box-plot用于检测连续值类特征；AVF用于检测枚举值类特征。取值“Box-plot”、“AVF” 是 Box-plot 样例 数据样本 point

查看更多 →

什么是本体 本体是某个领域中抽象概念的集合，能够描述某个范围内一切事物的共有特征以及事物间的关系。例如图1可称作一个本体。详情请见本体简介。 图1 本体 父主题： 管理本体

查看更多 →

什么是项目 云的每个区域默认对应一个项目，这个项目由系统预置，用来隔离物理区域间的资源（计算资源、存储资源和网络资源），以区域默认单位为项目进行授权，IAM用户可以访问您帐号中该区域的所有资源。 如果您希望进行更加精细的权限控制，可以在区域默认的项目中创建子项目，并在子项目中购买

查看更多 →

什么是配额 什么是配额？ 为防止资源滥用，平台限定了各服务资源的配额，对用户的资源数量和容量做了限制。如您最多可以创建多少台 弹性云服务器 、多少块云硬盘。 如果当前资源配额限制无法满足使用需要，您可以申请扩大配额。 怎样查看我的配额？ 登录管理控制台。 单击管理控制台左上角的，选择区域和项目。

查看更多 →