com/ObjectName image_file 与image_url、image_base64三选一 File 本地图片文件，要求： 图片不能超过8MB，建议小于1MB。 上传文件时，请求格式为multipart。 image_base64 与image_file、image_url三选一

查看更多 →

HTTP协议标准报头。用于指明发送给接收者的实体正文的媒体类型。 application/json 响应消息体（可选） 响应消息体通常以结构化格式（如json或xml）返回，与响应消息头中Content-type对应，传递除响应消息头之外的内容。 父主题： 预置商用技能

查看更多 →

特征选择 删除列 删除特征列的场景有很多，例如：两个特征呈线性变化关系，为减少模型训练的开销，删除其中一个特征列。 操作步骤如下所示。 单击界面右上角的图标，选择“数据处理 > 特征选择 > 删除列”，界面新增“删除列”内容。 对应参数说明，如表1所示。 表1 参数说明 参数 参数说明

查看更多 →

停止人脸检测 表1 停止人脸检测 REST URL格式 访问方法 URI POST /v1/ai/face-detection/stop 接口功能 停止人脸检测功能 接口说明 本接口调用后，人脸检测功能停止 响应数据 参见表2、表3 参数 参数名称 可选/必选/条件必选 参数类型

查看更多 →

定位 定位组件用于根据定位获取当前所在位置，仅支持移动端设备使用。 在表单开发页面，从“数据组件”中，拖拽“定位”组件至表单设计区域，如图1。 图1 定位 显示名称：该组件在页面呈现给用户的名称，可以设置为中文，也可以设置为英文。 验证：对该字段进行一些限制。 必填：设置为“必填”，表示该字段必须配置。

查看更多 →

人脸集合接口创建属于用户的人脸集；通过添加人脸接口向人脸集中添加图片；通过查询人脸搜索接口，返回与输入人脸相似度最高的N张人脸图片；通过删除人脸接口从人脸集中删除用户不需要的人脸特征；通过删除人脸集接口删除用户创建的人脸集。 人脸搜索可用于企业、住宅的安全管理等多种场景，但由于翻

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 →

关闭AI人脸检测 接口名称 WEB_AiFaceDetectionStopAPI(后续废弃) 功能描述 关闭AI人脸检测 应用场景 关闭AI人脸检测 URL https://ip/v1/ai/face-detection/stop?ActionID=WEB_AiFaceDetectionStopAPI

查看更多 →

开始人脸检测 表1 开启人脸检测 REST URL格式 访问方法 URI POST /v1/ai/face-detection/start 接口功能 开始人脸检测功能 接口说明 本接口调用后，开启人脸检测 响应数据 参见表2、表3 参数 参数名称 可选/必选/条件必选 参数类型 位置

查看更多 →

人脸搜索 人脸搜索 人脸搜索是指在已有的人脸库中，查询与目标人脸相似的一张或者多张人脸，并返回相应的置信度。 人脸库资源管理 创建人脸库 创建用于存储人脸特征的人脸库。您最多可以创建10个人脸库，每个人脸库最大容量为10万个人脸特征。如有更大规格的需求请联系客服。 查询所有人脸库 查询当前用户所有人脸库的状态信息。

查看更多 →

筛选出有价值的特征列。将卡方值由小到大排序，筛选出TOPN的特征列： 特征列与标签列之间的偏离程度越大，卡方值越大，说明特征列与标签列不符 特征列与标签列之间的偏离程度越小，卡方值越小，说明特征列越接近于标签列 如果特征列与标签列完全相等，卡方值为0，说明特征列与标签列完全符合

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 →

Aspect Ratio of Bounding Boxes 横坐标：目标框的高宽比。 纵坐标：框数量（统计所有图片中的框）。 一般呈泊松分布，但与使用场景强相关。多用于比较训练集和验证集的差异，如训练集都是长方形框的情况下，验证集如果是接近正方形的框会有比较大影响。 按面积占比统计框数量的分布

查看更多 →

特征清除 导入的模型有时会包含不必要的特征，如表面压印、棱边圆角和螺栓孔等，删除这些特征并不会对仿真结果产生太大影响，反而这些特征的存在会增加仿真复杂度，徒增求解时间，因此有必要清除这类特征来简化模型。 操作步骤 提供如下5种特征检测方法： 手动：手动选择要删除的特征。 面孤立特

查看更多 →

筛选特征 样本对齐执行完成后单击下一步进入“特征选择”页面，这一步企业A需要选出企业A自己和大数据厂商B的特征及标签用于后续的训练。 企业A可以选择特征及标签后“启动分箱和IV计算”，通过联邦的统计算法计算出所选特征的iv值，一般而言iv值较高的特征更有区分性，应该作为首选的训练

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 →

ng和incident的事件，以及相应结果为失败的事件。 以现网进行创建弹性云服务器操作失败报错后的辅助定位为例： 以CTS管理员权限登录管理控制台。 单击左上角，选择“管理与监管>云审计服务 CTS”，进入云审计服务详情页面。 单击左侧导航树的“事件列表”，进入事件列表界面。

查看更多 →

问题定位 问题定位方法 高频问题汇总

查看更多 →

单击“创建”，界面新增“Harddisk”特征工程。 等待特征工程的“环境信息”中的特征工程状态从“创建中”变更为“运行中”，即开发环境创建完成。 单击特征工程“操作”列的图标，进入JupyterLab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

查看更多 →

特征工程 特征工程可对推荐系统的离线数据进行处理，它包含两个功能： 从离线数据中提取用户、物品画像和RES内部通用格式数据； 把RES内部通用格式数据处理成训练排序模型所需的训练数据、测试数据等。 与功能对应，特征工程的两个任务分别是： 初始用户画像-物品画像-标准宽表生成 排序样本预处理

查看更多 →