包，赠送的请求次数也会叠加。如果您的包月资源包进行了升配，赠送的请求次数也会进行升级，剩余请求次数＝升配后的请求次数-原来已使用的请求次数。 除了服务端返回的状态码为5XX或403错误的请求外，其余的请求均会计入请求次数。 举例 示例一 以上传对象为例，对一个对象或者段的每一次操

查看更多 →

扫描任务的得分是如何计算的？ 扫描任务被创建后，初始得分是一百分，任务扫描完成后，根据扫描出的漏洞级别会扣除相应的分数。 网站扫描： 高危漏洞，一个扣10分，最多扣60分（6个）。 中危漏洞， 一个扣3分，最多扣45分（15个）。 低危漏洞， 一个扣1分，最多扣30分（30个）。

查看更多 →

域名 和9个与其相关的子域名或泛域名。 同一个域名对应不同端口视为不同的域名，例如www.example.com:8080和www.example.com:8081视为两个不同的域名，将占用两个不同的域名防护额度。 WAF支持上传的证书套数和WAF支持防护的域名的个数相同。例如，购

查看更多 →

计算在云 Sdk::GetSolution 父主题： 改造功能模块说明

查看更多 →

计算在云 Sdk::GetSolution 父主题： 改造功能模块说明

查看更多 →

从下拉框中选择当前数据操作流的名字。 操作流变量名 如果存在多个数据操作流，可重命名操作流对象的变量名，以避免冲突。 单击图标，运行“删除列”代码框内容。 选择列 如果数据的特征量大，而大多数特征对模型训练无效，可通过“选择列”保留仅对模型训练有意义的特征。 操作步骤如下所示。 单击界面右上角的图标，选择“数据处理

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 →

云硬盘快照大小是如何计算的 首次创建的快照为全量快照，全量快照包含创建快照时间点前云硬盘上的所有数据（数据块）；后续创建的快照均为增量快照，增量快照仅存储较上一个快照有变化的数据块。 父主题： 云硬盘快照问题

查看更多 →

而用极少的几个特征来涵盖大部分的数据集信息。主成分分析认为，沿某特征分布的数据的方差越大，则该特征所包含的信息越多，也就是所谓的主成分。适用于线性可分的数据集。 KPCA：基于核函数的主成分分析。KPCA与PCA基本原理相同，只是需要先升维再进行投影，因为有些非线性可分的数据集只有在升维的视角下才线性可分。

查看更多 →

果右侧的参数说明，如表1所示。 表1 特征画像参数说明 参数 说明 设备数 需要检测的KPI对象的数量，如设备或端口的数目。 样本数 训练数据总的样本数。 采样率 采样频率，单位为秒。60的含义为每60秒采样一次。 开始时间 采样的时间跨度。 结束时间 周期 是否有周期的特性，给出评估的值。

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；过低的iv值没有区分性会造成训练资源的浪费，过高的iv值又过于突出可能会过度影响训练出来的模型。 例如这里大数据厂商提供的f4特征iv值是0，说明这个特征对于标签的识别没有区分度，可以不选用；而f0、f2特征的iv值中等，适合作为模型的训练特征。 根据计算得出的iv值，企业

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 →

日峰值带宽是如何计算的？如何计费的？ 按日峰值带宽计费就是系统每5分钟统计1个峰值带宽，每日得到288个值，取其中的最大值作为计费带宽，计费详情请参见产品价格详情。您可以登录视频点播控制台在“统计分析 > 资源用量”页面查看单个CDN服务域名的峰值带宽趋势图，在“概览”页查看所有提供服务的CDN域名带宽峰值总和。

查看更多 →

务器的管理内存容量”。物理 服务器 的管理内存容量通常包括XEN，Kdump等管理 弹性云服务器 时所需要的内存总量，该部分内存无法作为弹性 云服务器 操作系统所使用的内存，约占分配给用户的可用物理内存的2%~3%。 分配：已用内存容量，统计已经分配给用户的可用物理内存上被已创建的弹性云服务

查看更多 →

什么是专属计算集群 专属计算集群（Dedicated Computing Cluster，简称DCC）是在公有云上隔离出来的专属虚拟计算资源池，支持用户申请独占的物理设备，独享物理隔离的计算资源。用户通过独立的租户来在该资源池内申请宿主机资源后，可以在其上发放弹性云服务器。 专属

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程目录

查看更多 →

得超过行为数据的时间范围。 测试数据时间：测试数据起始时间和终止时间，该起始时间和终止时间不得超过行为数据的时间范围。 “RATE” 训练数据占比：生成的结果中，训练集占整个训练集和测试集的比例，默认0.7。 测试数据占比：生成的结果中，训练集占整个训练集和测试集的比例，默认0.3。

查看更多 →

项目ID，获取方法请参考获取项目ID。 instance_id 是 String 实例的ID。 最小长度：1 最大长度：64 请求参数 表2 请求Body参数 参数 是否必选 参数类型 描述 package_id 是 String 模型包ID。 entity_type 是 String 实体类别。 entity_urn

查看更多 →

指向一个pyspark的DataFrame类型对象，该对象中包含各个特征取值的gini，entropy指标 参数说明 参数 是否必选 参数说明 默认值 feature_cols 是 待分析的特征名称 "" label_col 是 标签列的名称 "" enable_sparse 是 输入数据是否为稀疏格式，取值为{true

查看更多 →

Frequency，针对非数值型的数据，即类别离散数据的算法。具体步骤如下： 将所有的数据点都标为非异常点； 计算所有每一个属性值的频数； 计算每一个点的AVF score，即样本点x的每一个属性值对应的频数之和除以属性总数，这里的属性指的都是category的属性。 AVF score值越小，样本越异常。

查看更多 →