实时聚类 聚类算法是非监督算法中非常典型的一类算法，经典的K-Means算法通过提前确定类别数目，计算数据点之间的距离来分类。对于离线静态数据集，我们可以依赖领域中知识来确定类别数目，运行K-Means算法可以取得比较好的聚类效果。但是对于在线实时流数据，数据是在不断变化和演进，

查看更多 →

实时聚类 聚类算法是非监督算法中非常典型的一类算法，经典的K-Means算法通过提前确定类别数目，计算数据点之间的距离来分类。对于离线静态数据集，我们可以依赖领域中知识来确定类别数目，运行K-Means算法可以取得比较好的聚类效果。但是对于在线实时流数据，数据是在不断变化和演进，

查看更多 →

参数设置后单击“提交”。可在作业中心查看该作业的运行情况。 运行完成后，可在作业中心单击该作业查看输出结果。 查看运行结果。在聚类结果页面，可以查看每个聚类的公共子结构、公共子结构原子数、分子数量等信息。 可以单击“下载”，下载聚类分析结果信息。下载结果以Excel格式输出，包含小分子基本信息和属性信息。

查看更多 →

X-Auth-Token 是 String 用户Token。 Token认证就是在调用API的时候将Token加到请求消息头，从而通过身份认证，获得操作API的权限， 获取Token 接口响应消息头中X-Subject-Token的值即为Token。 最小长度：1 最大长度：32768 表3 请求Body参数

查看更多 →

X-Auth-Token 是 String 用户Token。 Token认证就是在调用API的时候将Token加到请求消息头，从而通过身份认证，获得操作API的权限，获取Token接口响应消息头中X-Subject-Token的值即为Token。 最小长度：1 最大长度：32768 表3 请求Body参数

查看更多 →

处理问题聚类任务 操作步骤 选择“配置中心>机器人管理>语义理解服务”，进入语义理解服务页面。 选择“检查训练 > 问题聚类任务”。单击“启动聚类任务”，填写需要进行聚类分析的会话生成时间段，单击“启动”。 请确保所选的时间段内存在可用于分析的会话记录。 导入用户列表后，聚类任务仅分析该号码对应的会话记录。

查看更多 →

聚类系数（cluster_coefficient）(1.0.0) 表1 response_data参数说明 参数 类型 说明 cluster_coefficient Double 聚类系数。 statistics Boolean 是否仅返回全图平局聚类系数，默认为true。 父主题：

查看更多 →

X-Auth-Token 是 String 用户Token。Token认证就是在调用API的时候将Token加到请求消息头，从而通过身份认证，获得操作API的权限，获取Token接口响应消息头中X-Subject-Token的值即为Token。 最小长度：1 最大长度：32768 响应参数 状态码：

查看更多 →

聚类分析作业管理 创建聚类分析作业 查询聚类分析作业详情 父主题： API（盘古辅助制药平台）

查看更多 →

聚类系数算法（Cluster Coefficient） 概述 聚类系数表示一个图中节点聚集程度的系数。在现实的网络中，尤其是在特定的网络中，由于相对高密度连接点的关系，节点总是趋向于建立一组严密的组织关系。聚类系数算法（Cluster Coefficient）用于计算图中节点的聚集程度。

查看更多 →

MapReduce MapReduce基本原理 MapReduce与其他组件的关系 MapReduce开源增强特性 父主题： 组件介绍

查看更多 →

是否必选 类型 说明 statistics 否 Boolean 是否仅输出总的统计量结果，取值为true或false，默认取值为true。 true：仅输出总的平均聚类系数。 false：额外输出各点对应聚类系数。 directed 否 Boolean 是否看作有向图进行计算，取值

查看更多 →

MapReduce与其他组件的关系 MapReduce和HDFS的关系 HDFS是Hadoop分布式文件系统，具有高容错和高吞吐量的特性，可以部署在价格低廉的硬件上，存储应用程序的数据，适合有超大数据集的应用程序。 MapReduce是一种编程模型，用于大数据集（大于1TB）的并

查看更多 →

MapReduce Action 功能描述 MapReduce任务节点，负责执行一个map-reduce任务。 参数解释 MapReduce Action节点中包含的各参数及其含义，请参见表1。 表1 参数含义 参数 含义 name map-reduce action的名称 resourceManager

查看更多 →

使用MapReduce 配置使用分布式缓存执行MapReduce任务 配置MapReduce shuffle address 配置MapReduce集群管理员列表 通过Windows系统提交MapReduce任务 配置MapReduce任务日志归档和清理机制 MapReduce性能调优

查看更多 →

使用Mapreduce 配置使用分布式缓存执行MapReduce任务 配置MapReduce shuffle address 配置MapReduce集群管理员列表 通过Windows系统提交MapReduce任务 配置MapReduce任务日志归档和清理机制 MapReduce性能调优

查看更多 →

MapReduce Action 功能描述 MapReduce任务节点，负责执行一个map-reduce任务。 参数解释 MapReduce Action节点中包含的各参数及其含义，请参见表1。 表1 参数含义 参数 含义 name map-reduce action的名称 resourceManager

查看更多 →

每个分子卡片上会展示相应分子序号与对应的参数QED、SaScore QED：代表分子的成药性。 SaScore：代表合成可及性分数，旨在评估分子的合成难易程度。 聚类分析 目前分子属性预测返回的结果小分子数较多，无法进行批量分析，通过一些聚类的辅助方式能更好的选择分子。从每个类里挑选出一两

查看更多 →

查看分子详情 图8 查看作业信息 聚类分析 目前靶点口袋分子设计返回的结果小分子数较多，无法进行批量分析，通过一些聚类的辅助方式能更好的选择分子。从每个类里挑选出一两个分子进行后续分析和验证，提高分析的效率和分析质量。也可以通过聚类找出一些关键的骨架，来进行下游的分子优化、合成路径规划等。

查看更多 →

AI开发基本概念 机器学习常见的分类有3种： 监督学习：利用一组已知类别的样本调整分类器的参数，使其达到所要求性能的过程，也称为监督训练或有教师学习。常见的有回归和分类。 非监督学习：在未加标签的数据中，试图找到隐藏的结构。常见的有聚类。 强化学习：智能系统从环境到行为映射的学习，以使奖励信号（强化信号）函数值最大。

查看更多 →

QED：代表分子的成药性。 SaScore：代表合成可及性分数，旨在评估分子的合成难易程度。 查看作业信息 点击作业的“作业信息”页面可以查看作业的运行时间和配置参数。 图14 查看作业信息 聚类分析 目前分子对接返回的结果小分子数较多，无法进行批量分析，通过一些聚类的 辅助方式能更

查看更多 →