规则引擎 配置数据转发规则 导入导出规则 父主题： 设备集成指导

查看更多 →

决策树回归 概述 “决策树回归”节点用于产生回归模型。 决策树算法是递归地构建决策树的过程，用平方误差最小准则，进行特征选择，生成二叉树。平方误差计算公式如下： 其中是样本类标的均值，yi 是样本的标签，N 是样本数量。 输入 参数 子参数 参数说明 inputs dataframe

查看更多 →

决策树分类 概述 “决策树分类”节点用于产生二分类或多分类模型。 决策树是附加概率结果的一个树状的决策图，是直观的运用统计概率分析的图法，树中的每一个节点表示对象属性的判断条件，其分支表示符合节点条件的对象，树的叶子节点表示对象所属的预测结果。其通过基尼不纯度（Gini impu

查看更多 →

规则引擎 创建规则 查询规则 批量删除规则 调试规则 删除规则 查询规则详情 修改规则 添加目标数据源 查询目标数据源列表 删除目标数据源 添加源数据源 查询源数据源列表 删除源数据源 父主题： 设备集成API

查看更多 →

规则引擎 创建规则引擎源端 创建规则引擎目的端 父主题： 设备集成API（V1）

查看更多 →

规则引擎 规则引擎介绍 数据转发流程 SQL语句 连通性测试 数据转发至华为云服务 数据转发至第三方应用 查看数据转发通道详情 数据转发积压策略配置 数据转发流控策略配置 设备联动

查看更多 →

规则引擎介绍 规则引擎是指用户可以在物联网平台上对接入平台的设备设定相应的规则，在条件满足所设定的规则后，平台会触发相应的动作来满足用户需求。包含设备联动和数据转发两种类型。 设备联动 设备联动指通过条件触发，基于预设的规则，引发多设备的协同反应，实现设备联动、智能控制。目前物联

查看更多 →

创建规则引擎源端 功能介绍 在ROMA Connect创建规则引擎源端。 URI POST /v1/{project_id}/link/instances/{instance_id}/rules/sources 表1 参数说明 名称 类型 是否必填 描述 project_id string

查看更多 →

创建规则引擎目的端 功能介绍 在ROMA Connect创建规则引擎目的端。 URI POST /v1/{project_id}/link/instances/{instance_id}/rules/destinations 表1 参数说明 名称 类型 是否必填 描述 project_id

查看更多 →

决策树分类特征重要性 概述 采用决策树分类算法计算数据集特征的特征重要性。 输入 参数 子参数 参数说明 inputs dataframe 参数必选，表示输入的数据集。 如果没有pipeline_model和decision_tree_classify_model参数，表示直接根

查看更多 →

决策树回归特征重要性 概述 采用决策树回归算法计算数据集特征的特征重要性。 输入 参数 子参数 参数说明 inputs dataframe 参数必选，表示输入的数据集；如果没有pipeline_model和decision_tree_regressor_model参数，表示直接根

查看更多 →

规则引擎（联通用户专用） 非联通用户请查看 设备接入服务 。 概述 规则引擎是指用户可以在物联网平台上可以对接入平台的设备设定相应的规则，在条件满足所设定的规则后，平台会触发相应的动作来满足用户需求。包含设备联动和数据转发两种类型。 设备联动规则 设备联动通过条件触发，基于预设的规则

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 →

“随机决策森林回归”节点用于产生回归模型。随机决策森林是用随机的方式建立一个森林模型，森林由很多的决策树组成，每棵决策树之间没有关联。当有一个新的样本输入时，该样本取值为所有决策树的预测值的平均值。 随机决策森林回归中的决策树算法是递归地构建决策树的过程，用平方误差最小准则，进行特征选择，生成二叉树。平方误差计算公式如下：

查看更多 →

发布权限，设备就无法发送消息到规则引擎的数据目的端。 您可以在设备涉配置使用“发布”类型的Topic，使设备能够发送消息到数据目的端，从而解决上述问题。 可能是安全组第一条默认规则被删除了。 在创建安全组时，系统会自动生成一条入方向规则，允许规则引擎的数据目的端接收所有设备发送的

查看更多 →

在设备详情页中的“OPC UA配置”页签，勾选需要下发的OPC UA连接点，单击“下发策略”按钮。 配置规则引擎。 配置普通设备采集上来的数据转发到MQS。 在规则引擎界面单击“创建规则”按钮，规则引擎所属应用需要与普通产品相同。 单击规则引擎名称进入规则引擎详情页面，配置数据源端和数据目的端。

查看更多 →

模型复杂化。 对同一个算法复杂化。例如回归模型添加更多的高次项，增加决策树的深度，增加神经网络的隐藏层数和隐藏单元数等。 弃用原来的算法，使用一个更加复杂的算法或模型。例如用神经网络来替代线性回归，用随机森林来代替决策树。 增加更多的特征，使输入数据具有更强的表达能力。 特征挖掘十分

查看更多 →

在设备详情页中的“Modbus配置”页签，勾选需要下发的Modbus连接点，单击“下发策略”按钮。 配置规则引擎。 配置普通设备采集上来的数据转发到MQS。 在规则引擎界面单击“创建规则”按钮，规则引擎所属应用需要与普通产品相同。 · 单击规则引擎名称进入规则引擎详情页面，配置数据源端和数据目的端。

查看更多 →

“查看控制台”，进入实例控制台。 在左侧的导航栏选择“设备集成 LINK > 规则引擎”，在“规则引擎”页签中单击“导入规则”。 在弹窗中选择本地保存的规则文件，并导入。 导入成功后，在页面的规则引擎列表中可查看导入的规则。 导出规则 登录ROMA Connect控制台，在“实例

查看更多 →

回归 决策树回归 梯度提升树回归 LightGBM回归 线性回归 随机森林回归 父主题： 模型工程

查看更多 →

随机决策森林是用随机的方式建立一个森林模型，森林由很多的决策树组成，每棵决策树之间没有关联。当有一个新的样本输入时，森林中的每一棵决策树分别进行判断，哪一类被选择最多，就预测这个样本属于那一类。 随机决策森林分类中的决策树算法通过基尼不纯度（Gini impurity）或熵（En

查看更多 →