ACE（Alternating Conditional Expectation）是一种在回归分析中寻找响应变量Y（标签）与预测变量X（特征）之间最佳转换的算法，这些（转换后的）预测变量和（转换后的）响应变量之间产生最大的线性效应。ACE分析只支持回归类任务。 在JupyterLab环境编辑区域，“选择数据”代码框下方单击“数据探索”。

查看更多 →

若标签列为枚举型数据，数据类型应选择“离散值”，预测分析将训练分类模型。 若标签列为数值型连续数据，数据类型应选择“连续数值”，预测分析将训练回归模型。 分类问题（离散值）在模型训练完成后，评估结果会展现召回率（Recall）、精确率（Precision）、准确率（Accuracy）及F1值（F1

查看更多 →

ue。 LightArithmetic 亮度增强 ，对亮度空间做线性增强操作。 do_validation：数据扩增前是否进行数据校验。默认值为True。 LightContrast 亮度对比度增强，使用一定的非线性函数改变亮度空间的亮度值。 func：默认值为gamma。 ga

查看更多 →

竞争力描述 数采驱动热插拔：支持数采驱动自定义、下发、升级、监控等管理，热部署替换，无需重启。 原始数据校正：支持点位表达式，在边缘侧执行线性计算，对采集到的数据进行校正。 重复数据冗余清洗：在数据采集频率高，冗余数据过多时，自动筛选掉重复数据，对跳变的波动数据过滤清洗。 点位动

查看更多 →

协方差矩阵 概述 协方差，在概率论与统计学中用于衡量随机变量的联合变化程度。正态形式的协方差大小可以显示变量之间线性关系的强弱，如：皮尔逊相关系数。但是协方差的数值大小也取决于变量的大小。协方差矩阵是多个变量之间的协方差所构成的矩阵表示形式。方差是协方差的一种特殊形式。 输入 参数

查看更多 →

规模数据存储和分析的需求。 如某导购网站 日志分析 业务，存储经常扩容，计算需求没有明显增长，计算资源浪费；某互联网客户推荐业务，存储容量缓慢线性增加，计算突发需求大，峰值计算资源消耗是低谷时几十倍，无法弹性使用计算资源。使用对象存储代替HDFS/本地盘，计算存储分离，多种计算组件独

查看更多 →

量数据在存储池中。有以下特点： 稳定低延迟： 单点读写平均时延<1ms，P99<2ms；采用多线程架构，单实例QPS可支撑1w-1000w线性扩展。 高性价比： 综合降本30%：无需备节点，具备4:1超高数据压缩，存储扩容成本更低。 运维效率提升： 可实现2GB到百TB的无感存储

查看更多 →

为ELB Ingress配置慢启动持续时间 慢启动指负载均衡器向组内新增的后端 服务器 Pod线性增加请求分配权重，直到配置的慢启动时间结束，负载均衡器向后端服务器Pod正常发送完请求的启动模式。慢启动能够实现业务的平滑启动，完美避免业务抖动问题。 前提条件 已创建一个集群，且集群版本为v1

查看更多 →

仅备份中、上传中状态支持停止备份。 停止备份操作可能会导致该时间点增备停止，且不保证100%成功，请谨慎操作。 停止备份使得实例尽快从备份任务回归正常状态，不阻塞其他任务执行，并不一定将备份任务终止。 关键备份不允许下发停止备份操作，若需要下发，请联系运维人员处理。 如需开通停止备份

查看更多 →

ValueRange object 区间上下限，仅回归型存在。 description String 模型描述信息。 表13 ValueRange 参数 参数类型 描述 lower Float 区间下限，仅回归型存在。 upper Float 区间上限，仅回归型存在。 表14 ClusterJobRsp

查看更多 →

必须选择一个已有模型才能创建批量预测作业。 批量预测作业必须选择一个当前计算节点发布的数据集。 创建联邦预测作业 批量预测作业在本地运行，目前支持XGBoost算法、逻辑回归LR算法、深度神经网络FiBiNet算法。 用户登录进入计算节点页面。 在左侧导航树上依次选择“作业管理 > 联邦预测”，打开联邦预测作业页面。

查看更多 →

IV：根据IV值计算特征的重要性，注：IV法仅支持2分类； Gini增益：根据Gini增益计算特征重要性； 信息增益：根据信息增益计算特征重要性； Lasso：采用Lasso回归计算特征重要性； "" select_feature_num 是 选择的TopN个特征，如果大于输入特征数，则输出所以特征 None discretization_method

查看更多 →

查询发现是ApplicationMaster（以下简称AM）反应缓慢，最终超时失败。 此任务的问题是，task数量变多时，AM管理的对象也线性增长，因此就需要更多的内存来管理。AM默认分配的内存堆大小是1GB。 操作步骤 通过调大如下的参数来进行AM调优。 参数入口： 在Yarn客户端的“mapred-site

查看更多 →

电商、金融、O2O、零售、社交应用等行业，普遍存在用户基数大、营销活动频繁、核心交易系统数据库响应日益变慢的问题，制约业务发展。DDM提供线性水平扩展能力，能够实时提升数据库处理能力，提高访问效率，轻松应对高并发的实时交易场景。 物联网数据 在工业监控和远程控制、智慧城市的延展、

查看更多 →

hash等。Nginx Ingress在原生的Nginx能力基础上，支持使用一致性哈希方法进行负载均衡。 Nginx默认支持的IP hash方法使用的是线性的hash空间，根据IP的hash运算值来选取后端的目标服务器。但是这种方法在添加删除节点时，所有IP值都需要重新进行hash运算，然后重

查看更多 →

和治理规则管理，不需要独立的注册中心和配置中心；数据面的服务发现、负载均衡和各种治理都在ASM数据面Envoy上执行，SDK作为开发框架，回归到开发框架的本来职能，作为一个纯净轻量的应用开发框架供用户开发代码。 多种基础设施：在方案中，数据面可以是容器，也可以是VM。服务可以是各

查看更多 →

Integer [1-214783647] 资源容量大小，例如购买的卷大小或带宽大小。 线性产品时此参数必填。线性产品为包括硬盘，带宽等在订购时需要指定大小的产品。例如硬盘在订购时需选择10G、20G等不同大小。 非线性产品时此参数不携带或者携带值为null时，不作为筛选条件。 size_measure_id

查看更多 →

Integer [1-214783647] 资源容量大小，例如购买的卷大小或带宽大小。 线性产品时此参数必填。线性产品为包括硬盘，带宽等在订购时需要指定大小的产品。例如硬盘在订购时需选择10G、20G等不同大小。 非线性产品时此参数不携带或者携带值为null时，不作为筛选条件。 size_measure_id

查看更多 →

奇异值分解 概述 奇异值分解（Singular Value Decomposition，SVD）一般用于数据挖掘、建模等领域的特征工程过程，是线性代数中一种重要的矩阵分解方法，奇异值分解算子可将1个矩阵分解为3个矩阵。 比如对于m×n 的矩阵A，可根据以下SVD计算公式得到左奇异向量组成的m×k

查看更多 →

查询发现是ApplicationMaster（以下简称AM）反应缓慢，最终超时失败。 此任务的问题是，task数量变多时，AM管理的对象也线性增长，因此就需要更多的内存来管理。AM默认分配的内存堆大小是1GB。 操作步骤 通过调大如下的参数来进行AM调优。 参数入口： 在Yarn客户端的“mapred-site

查看更多 →

取方式参见源端桶权限获取。 目的端桶需要的权限包括：列举桶，获取桶位置，列举对象，获取对象元数据，获取对象内容，上传对象，列举已上传段，取回归档存储对象。获取方式参见目的端桶权限获取。 已在OBS服务中创建桶。 操作步骤 登录管理控制台。 单击管理控制台左上角的，在下拉框中选择区域。

查看更多 →