项目概览界面显示了当前项目的信息概览，如图1所示。 图1 项目概览界面 项目概览界面包括： 数据处理、训练状态统计、训练服务、验证服务的运行状态。 数据集、特征工程、模型训练、模型管理、模型验证的列表信息。用户可以直接单击对应列表中的“创建”，创建新的功能模块。 项目最新操作的通知信息。 父主题： 项目创建

查看更多 →

RES支持哪些自定义策略？ 目前RES所支持的推荐策略如下所示： 召回策略 过滤规则 特征工程 排序策略 近线策略 效果评估 推荐策略详细信息请参见《推荐系统用户指南》算法介绍及其参数说明章节。 父主题： 自定义场景

查看更多 →

在弹出的“Publish”框内，设置服务名称“Service Name”。 单击“Publish”。 在弹出的“Success”框内，单击“OK”。 服务发布完成后，可在特征工程首页的“已发布服务”页签内查看。支持基于服务创建任务，详细操作请参见“创建任务”。 父主题： 数据处理

查看更多 →

作业相关API 提交组合作业 提交召回作业 提交过滤作业 提交特征工程作业 提交排序作业 提交实时流近线作业 提交流式训练作业 提交数据质量作业 策略参数说明 停止算子作业 查询作业列表 查询作业详情 重新执行作业 删除作业 提交效果评估任务 查询效果指标 编辑修改作业 更新索引结构

查看更多 →

在“离线作业”下，单击“过滤规则”页签，单击该页面做上方“创建”，进入“创建过滤规则”页面。 在“创建过滤规则”页面，填写特征工程“名称”、“场景”和“描述”。 特征工程名称：请以“Filter-”开始，只能由字母、数字、中划线和下划线组成，并且长度小于64个字符。 “场景”信息可选择您在全局配置页面创建的场景。

查看更多 →

为高价值通信应用数据集。 模型训练服务为开发者提供电信领域一站式模型开发服务，支持开发者基于训练平台提供的JupyterLab数据探索与特征工程工具、在线VSCode IDE编程工具、AutoML算法选择与超参调优能力、丰富的AI算法框架和在线随时可获取的算力，开发AI算法。 业务开发者

查看更多 →

法策略。 过滤规则 过滤规则用于生成推荐的过滤集，包含黑白名单、 特征过滤等特性。支持用户在线上推理过程中完成对相关物品的过滤。 特征工程 特征工程常用于对原始数据进行特征挖掘的处理，形成的结果用于排序策略的训练。 排序策略 排序策略利用CTR预估或综合性计算的算法给候选集做打分。

查看更多 →

告体现？ 数据探索是针对当前数据源的数据进行挖掘和分析，主要聚焦在特征的分布范围、统计以及特征齐全度等，使用户能够更了解数据，进而指导在特征工程以及相关算法的配置。 数据探索是一个离线分析任务，任务有对应的启动时间，由于近线实时数据会实时入库，因此可以通过定时执行数据探索任务来覆盖增量数据。

查看更多 →

创建效果评估 创建效果评估步骤如下： 在“离线作业”的“效果评估”页签，单击左上方“创建”，进入“创建效果评估”页面。 在“创建效果评估”页面，填写特征工程“名称”、“场景”和“描述”。 效果评估名称：请以“Evaluate-”开始，只能由字母、数字、中划线和下划线组成，并且长度小于64个字符。

查看更多 →

为时间列，后面五列为KPI特征列。 在项目概览界面，单击菜单栏中的“特征工程”，进入“特征工程”界面。 单击界面右上角的“特征处理”，弹出“特征处理”对话框。 请根据实际情况，配置如下参数： 工程名称：特征工程名称。 开发模式：请选择“Jupyterlab交互式开发”。 规格：选

查看更多 →

，或判断指定的周期是否为时序数据的周期，以及检测时序数据是否平稳。 如果开启此开关，运行时间会较长，默认关闭此开关。 数据引用变量名 当特征工程需要选择多份数据时，使用此参数给每份选定的数据命名，以免产生冲突。 均保持默认值即可。 单击“选择数据”代码框左侧的图标。运行代码，绑定训练和测试 数据实例 。

查看更多 →

单击“Notebook开发”。 弹出“Notebook开发”对话框，如图1所示，进行操作名称及操作描述填写。 图1 Notebook开发界面 单击“确定”。 进入“特征工程算法编辑”界面。Notebook算法开发界面同模型训练算法界面，详情请参见编辑代码。用户可以编辑算法文件“**.py”，按“Ctrl+S”保存算法。

查看更多 →

本文档详细阐述了NAIE模型训练服务的定位、优势、功能、架构与适用场景等。 《快速入门》 本文档以硬盘故障检测的模型训练为例，介绍NAIE训练平台使用的全流程，包括数据集、特征工程、模型训练、模型管理和模型验证，使开发者快速熟悉NAIE训练平台。 《用户指南》 本文档包含了使用NAIE训练平台前的准备工作和如何使用

查看更多 →

在对应表的“操作”列中，单击“清除数据”可以删除对应表的数据源。 通用格式 通用数据由特征工程“初始用户画像-物品画像-标准宽表生成”算子生成。其路径与“初始用户画像-物品画像-标准宽表生成”结果保存路径一致。 说明： 在使用通用格式数据之前，需要先进行特征工程算子计算。 通用格式数据：从用户属性表、物品属性表和

查看更多 →

数据探索介绍 数据探索是针对当前数据源的数据进行挖掘和分析，主要聚焦在特征的分布范围、统计以及特征齐全度等，使用户能够更了解数据，进而指导在特征工程以及相关算法的配置。 数据探索是一个离线分析任务，任务有对应的启动时间，由于增量数据会实时入库，因此可以通过定时执行数据探索任务来覆盖增量数据。

查看更多 →

15分钟数据集、KPI 60分钟数据集、KPI异常检测数据集。 其中鸢尾花原始测试集、KPI 15分钟数据集和KPI 60分钟数据集中包括空值，用户可以通过特征工程进行数据修复，剔除空值。 本地上传-文件大小限制为60M，文本支持csv和txt 数据来源选择“本地上传”时可见，表示数据文件所在的用户本地路径。

查看更多 →

全局特征信息文件 在特征工程、在线模块，近线模块时都会用到该全局的特征信息文件。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。 表1 全局特征信息文件字段描述 字段名 类型 描述 是否必选 user_features

查看更多 →

RES根据实时发送到DIS上的日志，进行数据计算和处理，更新用户的相关数据。 实时日志 运行推荐策略 创建离线作业 创建离线作业包括进行数据质量检测、创建组合作业、特征工程、召回策略、排序策略、过滤规则等作业。 运行推荐作业 创建在线服务 - 创建在线服务用于部署上线服务、更新模型。配置实时计算的逻辑，包括

查看更多 →

初始格式 用户操作行为表：单击选择OBS中存储的用户操作行为表。当选择数据格式为csv时，根据情况单击设置数据参数。 通用格式 通用格式数据：特征工程“初始用户画像-物品画像-标准宽表生成”算子生成的用户推荐系统的数据。从用户特征表、物品特征表以及用户行为表中提取用户、物品特征和用户行

查看更多 →

设置视觉维度的样式，如颜色、大小、形状等。 截取及清空图表展示图 截取当前图表图形，截取后的图形展示在左侧空白区域。 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

查看更多 →

创建模型包 编辑模型包 上架模型包至AI市场 发布推理服务 云端推理框架 2019-10-30 JupyterLab环境编辑界面的菜单优化，对应“特征工程”章节内容调整和优化。 新增如下章节： Notebook开发 创建超参优化服务 创建Tensorboard 2019-04-30 第一次正式发布。

查看更多 →