逻辑回归分类 概述 “逻辑回归”节点用于数据二分类，支持自动化建模。它可以根据输入训练集高效地完成参数自动调优，并通过 LOG ISTIC函数将线性回归的输出映射到[0,1]区间，最后根据阈值判断完成数据二分类。 逻辑回归本质上是一种线性分类方法，因此在考虑使用逻辑回归模型前，要保证

查看更多 →

逻辑函数 表1 逻辑函数 SQL函数 返回类型 描述 boolean1 OR boolean2 BOOLEAN 如果 boolean1 为 TRUE 或 boolean2 为 TRUE 返回 TRUE。支持三值逻辑。 例如 true || Null(BOOLEAN) 返回 TRUE。

查看更多 →

逻辑复制函数 pg_create_logical_replication_slot('slot_name', 'plugin_name') 描述：创建逻辑复制槽。 参数说明： slot_name 流复制槽名称。 取值范围：字符串，仅支持小写字母，数字，以及_?-.字符，且不支持'

查看更多 →

逻辑复制函数 pg_create_logical_replication_slot('slot_name', 'plugin_name') 描述：创建逻辑复制槽。 参数说明： slot_name 流复制槽名称。 取值范围：字符串，仅支持小写字母，数字，以及_?-.字符，且不支持“

查看更多 →

逻辑复制函数 使用逻辑复制函数，需要设置GUC参数wal_level为logical。具体配置请参考《特性指南》的“逻辑复制 > 逻辑解码 > 使用SQL函数接口进行逻辑解码”章节。 pg_create_logical_replication_slot('slot_name', 'plugin_name'

查看更多 →

逻辑复制函数 使用逻辑复制函数，需要设置GUC参数wal_level为logical。具体配置请参考《特性指南》的“逻辑复制 > 逻辑解码 > 使用SQL函数接口进行逻辑解码”章节。 pg_create_logical_replication_slot('slot_name', 'plugin_name'

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 →

回归评估 概述 对回归模型预测的结果数据集进行评估。 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 回归的评估指标：mae、mse、rmse 参数说明 参数 子参数 参数说明

查看更多 →

LightGBM回归 概述 对mmlspark python包中LightGBM回归的封装 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 spark pipeline类型的模型

查看更多 →

线性回归 概述 “线性回归”节点用于产生线性回归模型。它是利用数理统计中的回归分析，来确定两种或两种以上变数间相互依赖的定量关系的统计分析方法。 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

查看更多 →

随机森林回归 概述 “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

查看更多 →

梯度提升树回归 概述 “梯度提升树回归”节点用于生成回归模型，是一种基于决策树的迭代回归算法。该算法采用迭代的思想不断地构建决策树模型，每棵树都是通过梯度优化损失函数而构建，从而达到从基准值到目标值的逼近。算法思想可简单理解成：后一次模型都是针对前一次模型预测出错的情况进行修正，

查看更多 →

数为3。 关于逻辑复制槽数，请按如下规则考虑。 一个逻辑复制槽只能解码一个Database的修改，如果需要解码多个Database，则需要创建多个逻辑复制槽。 如果需要多路逻辑复制同步给多个目标数据库，在源端数据库需要创建多个逻辑复制槽，每个逻辑复制槽对应一条逻辑复制链路。 仅限

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 →

项等参数。 逻辑斯蒂回归算法是一种广义的线性回归分析模型，常用于数据挖掘、疾病自动诊断、经济预测等领域。逻辑斯蒂回归算法通过在线性回归的基础上叠加一个sigmoid激活函数将输出值映射到[0,1]之间，是机器学习领域里常用的二分类算法。LR算法参数请参见逻辑斯蒂回归。 因子分解机

查看更多 →

使用SQL函数接口进行逻辑解码 GaussDB 可以通过调用SQL函数，进行创建、删除、推进逻辑复制槽，获取解码后的事务日志。 操作步骤 以具有REPLICATION权限的用户登录 GaussDB数据库 主节点。 使用如下命令通过连接数据库。 gsql -U user1 -d gaussdb

查看更多 →

使用SQL函数接口进行逻辑解码 GaussDB可以通过调用SQL函数，进行创建、删除、推进逻辑复制槽，获取解码后的事务日志。 操作步骤 以具有REPLICATION权限的用户登录GaussDB集群任一主机。 使用如下命令通过DN端口连接数据库。 gsql -U user1 -d gaussdb

查看更多 →

逻辑复制 逻辑解码

查看更多 →

当前模型工程所有逻辑模型图中的逻辑元素。 逻辑元素定义：“工程设置>元素构造型”下，绑定到4+1视图：逻辑模型的基础构造型与自定义构造型元素以及逻辑模型架构方案配置的构造型。 包括：在逻辑模型图上创建出来的逻辑元素，引用到逻辑模型中的逻辑元素（包含关联空间中的引用的逻辑元素）。 如何检查

查看更多 →

逻辑解码 逻辑解码概述 逻辑解码选项 使用SQL函数接口进行逻辑解码 使用流式解码实现数据逻辑复制 父主题： 逻辑复制

查看更多 →

逻辑解码 逻辑解码概述 使用SQL函数接口进行逻辑解码 父主题： 逻辑复制

查看更多 →