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 →

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 →

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 →

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 →

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 →

逻辑复制 逻辑解码

查看更多 →

标数据库解析逻辑日志以实时进行数据复制。具体如图 逻辑复制所示。逻辑复制降低了对目标数据库的形态限制，支持异构数据库、同构异形数据库对数据的同步，支持目标库进行数据同步期间的数据可读写，数据同步时延低。 图1 逻辑复制 逻辑复制由两部分组成：逻辑解码和数据复制。逻辑解码会输出以事

查看更多 →

逻辑场景 创建逻辑场景 在左侧菜单栏中单击“仿真服务 > 场景管理”。 选择“逻辑场景”页签，单击“新增逻辑场景”。 图1 新增逻辑场景 逻辑场景名称：只能包含数字、英文、中文、下划线、中划线、点，且不支持以点结尾，不得超过256个字符。 描述（非必填）：简单描述场景。 添加场景标签，标签数量不超过50个。

查看更多 →

取回指定桶中的归档存储对象。

查看更多 →

使用pytorch进行线性回归 在FunctionGraph页面将torch添加为公共依赖 图1 torch添加为公共依赖 在代码中导入torch并使用 # -*- coding:utf-8 -*- import json # 导入torch依赖 import torch as t

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 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 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 逻辑解码支持DDL 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 →

取回指定桶中的归档存储对象。

查看更多 →

使用TensorFlow进行线性回归 首先在FunctionGraph页面将tensorflow添加为公共依赖 图1 tensorflow添加为公共依赖 在代码中导入tensorflow并使用 import json import random # 导入 TensorFlow 依赖库

查看更多 →

范步骤为准。 创建0层逻辑模型图。 工程初始化创建时会在“逻辑视图>逻辑模型”包目录下默认创建一个逻辑模型图，可当作0层逻辑模型，如果是非初始化结构建目录 ，则选择要创建图的包节点 ，单击包后的菜单，选择“新建图”。 图类型选择“4+1视图>逻辑视图>逻辑模型”，输入图名称，单击保存即可。

查看更多 →