该页面包含“用户特征”、“物品特征”、“正向行为类型”和“负向行为类型”等信息，具体描述请参见表1。 图1 确认特征抽取 表1 确认特征参数 参数名称 说明 用户特征 列表中展示抽取的用户特征和参数类型。您可以根据业务需求单击增加用户特征。单击特征后方的删除不需要的用户特征。 物品特征

查看更多 →

多云多活的客户群体有哪些？具有什么样的客户特征？ 首先多活容灾方案是水平方案，不会去选择用户。只是当前方案还不适合大规模推广，如果客户有诉求，可直接在华为云官方网站咨询或者找华为云一线销售咨询。 父主题： 多活容灾方案相关问题

查看更多 →

正则匹配 列名 特征名称。单击“”设置特征列，支持至少选择一列。 正则表达式 列筛选方式为“正则匹配”时展示，请根据实际情况输入正则表达式，系统自动筛选符合正则筛选规则的所有特征列。 新列名 如果设置，则特征离散化后生成新特征列，原有特征列不变。如果不设置，则默认覆盖已有特征列。 离散数量

查看更多 →

清空截取的图表图形。 单击右下方“保存至特征工程”可将绘制的图表保存至JupyterLab环境编辑区域。 特征分析（特征选择） 特征选择就是使用算法对特征进行相关性分析，根据结果从众多特征中剔除不重要的特性，从而保留重要的特性。 当前系统支持如下两种特征选择方法： 过滤法(Filter)

查看更多 →

数据分析 箱型图 分桶统计 相关性分析 决策树分类特征重要性 决策树回归特征重要性 梯度提升树分类特征重要性 梯度提升树回归特征重要性 孤立森林 百分位 百分位统计 直方图 折线图 饼形图 散点图 随机森林分类特征重要性 随机森林回归特征重要性 全表统计 单样本t检验 直方图（多字段）

查看更多 →

特征工程处理过的数据，不能再用相同的特征工程进行二次处理。 ：使用当前数据创建新的特征工程。创建特征工程的方法请参见创建特征工程。 ：跳转至“模型训练”页面。模型训练操作请参见模型训练。 DatasetService数据集 DatasetService数据集是模型训练服务预置的数

查看更多 →

：基础特征，用于描述被管理的资产实体的基础特征，新数据会覆盖旧数据。 ：版本特征，用于描述被管理的资产实体的版本特征，通过版本号存储。 ：时序特征，用于描述被管理的资产实体的时序特征，通过时间索引存储。 类型 节点的类型，可在创建节点时，选择类型为基础实体、基础特征、版本特征或时序特征。当前暂不支持版本特征及时序特征。

查看更多 →

。 系统会先将当前特征工程的数据集实例和设置的数据集实例进行自动匹配，并在“ 数据实例 ”框下方展示匹配结果。 展开高级配置，用户可以在“已匹配特征”栏下查看系统自动匹配的特征记录。在“未匹配特征”栏下，用户可以根据界面展示的左表数据特征、左表数据类型、右表数据特征、右表数据类型，手

查看更多 →

某业务下具有相同数据格式的数据逻辑集合。 特征操作 特征操作主要是对数据集进行特征处理。 在旧版体验式开发模式下，模型训练服务支持的特征操作有重命名、归一化、数值化、标准化、特征离散化、One-hot编码、数据变换、删除列、选择特征、卡方检验、信息熵、新增特征、PCA。对应JupyterLa

查看更多 →

数据采样 用户在执行特征操作前，可以先对数据进行采样。数据采样后，所有的特征操作都只对采样后的数据进行处理，可以减少特征操作处理的数据量，提升特征操作的处理速度。数据采样后，执行全量数据应用时，系统会将特征操作流应用在全量数据集上，生成经过特征处理后的新数据集，提供给模型训练使用。

查看更多 →

CombinedFCParameters 是否执行特征选择 是否选择提取的特征。 标签列 单击“”从特征列中选取一列作为标签列，指定用于分析其他特征列和标签列的相关性。 FDR Level “是否执行特征选择”开启时展示，进行特征选择时使用，表示显著性水平，是理论上的预期不相关特征在所有特征中所占的百分比。默认值为“0

查看更多 →

支持同时添加多份数据，每份数据必须满足与当前特征工程中的数据特征维度完全相同。 其中，“目标数据实例”为特征处理后生成的数据集实例名称，请根据实际情况配置。 单击“执行”，对数据执行特征操作流。 系统自动生成经过特征处理后的数据，支持用户在“数据集”中查看。 用户可以执行下述操作： 在特征工程详情页面单击“

查看更多 →

。主要应用为猜你喜欢、关联推荐、热门推荐。 功能优势： 多维度管理，支持运营规则设置，一站式推荐平台。 自动挖掘特征，采用AUTOML完成特征的自动挖掘和组合，提高特征选择效率。 高适用性，多种模板选择，适用多个应用场景。 使用便捷，一键式构建推荐系统，提供标准API接口，调用简单，便于被集成。

查看更多 →

：基础特征，用于描述被管理的资产实体的基础特征，新数据会覆盖旧数据。 ：版本特征，用于描述被管理的资产实体的版本特征，通过版本号存储。 ：时序特征，用于描述被管理的资产实体的时序特征，通过时间索引存储。 类型 节点的类型，可在创建节点时，选择类型为基础实体、基础特征、版本特征或时序特征。当前暂不支持版本特征及时序特征。

查看更多 →

算法工程处理的时候必须要先采样吗？ 算法工程数据采样的目的是提升界面每个特征操作的速度。大数据量操作的时候建议先采样。数据采样后所有的特征操作，都只对采样后的数据进行处理，可以减少特征操作处理的数据量。 父主题： 特征工程

查看更多 →

异常检测学件服务，通过数据特征画像识别数据类型，自动推荐训练算法与特征，采用无监督、有监督和动态基线等进行联合检测，通过专家经验对训练与检测进行调优，得到最终检测结果。模型训练完成后，可以将特征画像的结果、特征和参数、模型和参数都保留下来。后面仅需要使用新的数据，重训练模型，不用再重新做特征分析和模

查看更多 →

采用卡方检验来进行特征选择。 卡方检验（Chi-Squared Test或χ2 Test）的基本思想是通过特征变量与目标变量之间的偏差大小来选择相关性较大的特征变量。首先假设两个变量是独立的，然后观察实际值与理论值的偏差程度，该偏差程度代表两个变量之间的相关性。如果某个特征变量与目标变

查看更多 →

模型选择 目前，学件已经集成了几十维到上百维不同种类的特征库，源于历史各类Case和通用KPI异常检测的算法库。通过数据的特征画像，可以实现自动化的特征推荐和算法推荐。 单击“特征画像”左下方的“模型选择”。 新增“模型选择”内容，如图1所示。 图1 模型选择 单击“模型选择”代码框左侧的图标，运行代码。

查看更多 →

数据集的实例，有具体的数据。 T 特征操作 特征操作主要是对数据集进行特征处理。 在旧版体验式开发模式下，模型训练服务支持的特征操作有重命名、归一化、数值化、标准化、特征离散化、One-hot编码、数据变换、删除列、选择特征、卡方检验、信息熵、新增特征、PCA。对应JupyterLa

查看更多 →

荐系统识别用户离线数据，通过特征工程将对应的数据写入到画像中，同时用于排序训练和线上推理服务中使用。 文件数据信息请参见全局特征信息文件数据格式。 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。 数据源 数据在OBS的存放路径。

查看更多 →

去除空值和特征列的关系。 取值如下所示： all：如果一行数据，满足设置列中的所有特征列均为空值，则丢弃此行数据。 any：如果一行数据，满足设置列中的任一特征列有空值，则丢弃此行数据。 当前操作流 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。

查看更多 →