回归算法之线性回归(一) 更多内容
  • 取回归档存储对象

    取回指定桶中的归档存储对象。

    来自:帮助中心

    查看更多 →

  • 时间序列预测

    季节性变化的周期。例如数据点是按天采集,季节性周期是周,则seasonality为7。 forecastOrder 否 指定需要预测的元素。 当forecastOrder为1,预测下个元素。 当forecastOrder为2,预测下下个元素。默认值为1。 使用此参数时需要保证ov

    来自:帮助中心

    查看更多 →

  • 时间序列预测

    季节性变化的周期。例如数据点是按天采集,季节性周期是周,则seasonality为7。 forecastOrder 否 指定需要预测的元素。 当forecastOrder为1,预测下个元素。 当forecastOrder为2,预测下下个元素。默认值为1。 使用此参数时需要保证ov

    来自:帮助中心

    查看更多 →

  • 取回归档存储对象

    取回指定桶中的归档存储对象。

    来自:帮助中心

    查看更多 →

  • 提交排序任务API

    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。 因子分解机算法种基于矩阵分解的机器学习算法,能够自动进行二阶特征组合、学习特征之

    来自:帮助中心

    查看更多 →

  • 欠拟合的解决方法有哪些?

    欠拟合的解决方法有哪些? 模型复杂化。 对同算法复杂化。例如回归模型添加更多的高次项,增加决策树的深度,增加神经网络的隐藏层数和隐藏单元数等。 弃用原来的算法,使用个更加复杂的算法或模型。例如用神经网络来替代线性回归,用随机森林来代替决策树。 增加更多的特征,使输入数据具有更强的表达能力。

    来自:帮助中心

    查看更多 →

  • 排序策略-离线排序模型

    重新训练 对第次训练无影响,仅影响任务重跑。 “是”:清空上轮的模型结果后重新开始训练。 “否”:导入上轮的训练结果继续训练。适用于欠拟合的情况。 批量大小 次训练所选取的样本数。 训练数据集切分数量 将整个数据集切分成多个子数据集,依次训练,每个epoch训练个子数据集。

    来自:帮助中心

    查看更多 →

  • 创建纵向联邦学习作业

    包含大致相等的实例数量;等距分箱是指经过计算使得每个箱体的区间间隔保持致。 需要至少勾选个无标签数据集特征才能进行模型训练。如果不勾选任何特征,会提示“选择两个数据集,个有标签,个无标签,且至少选择个无标签方特征,才可启动训练。” 图7 特征选择 图8 查看特征分箱woe值

    来自:帮助中心

    查看更多 →

  • 创建可信联邦学习作业

    创建可信联邦学习作业 联邦建模的过程由企业A来操作,在“作业管理 > 可信联邦学习”页面单击“创建”,填写作业名称并选择算法类型后单击确定即进入联邦建模作业界面。本文逻辑回归算法为例。 父主题: 使用 TICS 可信联邦学习进行联邦建模

    来自:帮助中心

    查看更多 →

  • 排序策略

    隐向量长度 分解后的表示特征的向量的长度。默认10。 神经网络结构 神经网络的层数与每层的神经元节点个数。默认400,400,400。 激活函数 神经网络中的激活函数,将个(或组)神经元的值映射为个输出值。 relu tanh sigmoid 神经元值保留概率 神经网络前向传播过程中以该概率保留神经元的值。默认0

    来自:帮助中心

    查看更多 →

  • 最新动态

    相关文档 1 纵向联邦支持LR算法 LR纵向联邦学习主要用于具有线性边界的二分类问题,支持用户双方训练联合逻辑回归(LR)模型。相较于单方训练,纵向联邦LR训练覆盖用户双方特征,模型预测精度更高。TI CS 采用SEAL同态加密确保双方数据交互安全,通过批处理技术进步提升联邦训练性能。 公测

    来自:帮助中心

    查看更多 →

  • 预测类数据集格式要求

    量为连续数值,非离散类别。与时序数据不同,回归分类数据不要求数据具有时间顺序。 具体格式要求详见表1。 表1 预测类数据集格式要求 文件内容 文件格式 文件样例 时序 csv 数据为结构化数据,包含列和行,每行表示条数据,每列表示个特征,并且必须包含预测目标列,预测目标列要求为连续型数据。

    来自:帮助中心

    查看更多 →

  • 创建批量预测作业

    约束限制 避免作业名重复。 必须选择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

    来自:帮助中心

    查看更多 →

  • 获取桶存量信息

    String obs请求时返回低频存储类型对象个数 ColdSize String obs请求时返回归档存储类型存量大小 ColdObjectNumber String obs请求时返回归档存储类型对象个数 DeepArchiveSize String 返回深度归档存储类型存量大小

    来自:帮助中心

    查看更多 →

  • AI开发基本概念

    分类是找出组数据对象的共同特点并按照分类模式将其划分为不同的类,其目的是通过分类模型,将数据项映射到某个给定的类别。它可以应用到客户的分类、客户的属性和特征分析、客户满意度分析、客户的购买趋势预测等。 聚类 聚类是把组数据按照相似性和差异性分为几个类别,其目的是使得属于同类别的

    来自:帮助中心

    查看更多 →

  • 数据探索

    “异常类型”为“突升/突降”时展示,表示如果待检测数据为周期数据,是否需要进行周期分解,用于增强数据的差异性。 默认关闭。 个周期内的数量值 “是否进行周期分解”开启时展示此参数,表示进行周期分解时,个周期内的数据量。 是否进行过滤 “异常类型”为“突升/突降”时展示,表示是否对检测出的Top N个点进行二次过滤。

    来自:帮助中心

    查看更多 →

  • 聚合函数

    arbitrary(x) 描述:返回类型和X样,返回X的任意个非null值。 select arbitrary(price) from fruit;-- 5 array_agg(x) 描述:返回由输入的x字段构成的数组,元素类型和输入字段样。 select array_agg(price)

    来自:帮助中心

    查看更多 →

  • 聚合函数

    arbitrary(x) 描述:返回类型和X 样,返回X的任意个非null值。 select arbitrary(price) from fruit;-- 5 array_agg(x) 描述:返回由输入的x字段构成的数组,元素类型和输入字段样。 select array_agg(price)

    来自:帮助中心

    查看更多 →

  • 开始使用

    创建Notebook 配置Notebook时,如果需要在Notebook内直接查看SFS Turbo内文件,请不要填写”存储配置-子目录挂载”栏。 图27 配置Notebook 打开notebook即可管理开发环境。 图28 打开Notebook 实现数据预热和数据异步留存功能 实

    来自:帮助中心

    查看更多 →

  • 算法一览表

    算法览表 为满足用户各种场景需求,图引擎服务提供了丰富的基础图算法、图分析算法和图指标算法算法简介如下表所示。 表1 算法览表 算法 介绍 PageRank算法 又称网页排名,是种由搜索引擎根据网页(节点)之间相互的超链接计算的技术,用来体现网页(节点)的相关性和重要性。

    来自:帮助中心

    查看更多 →

  • 自动模型优化介绍

    TPE算法定分位数,用于划分l(x)和g(x) float,范围(0,1),般不建议用户修改 模拟退火算法(Anneal) 模拟退火算法即Anneal算法,是随机搜索中个简单但有效的变体,它利用了响应曲面中的平滑度。退火速率不自适应。Anneal算法从先前采样的个试验点

    来自:帮助中心

    查看更多 →

共105条
看了本文的人还看了