线性特征重要性 概述 用线性模型计算训练数据的特征重要性。 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 特征的重要性和特征在线性模型中的weights，格式是dataFrame。

查看更多 →

数据分析 箱型图 分桶统计 相关性分析 决策树分类特征重要性 决策树回归特征重要性 梯度提升树分类特征重要性 梯度提升树回归特征重要性 孤立森林 百分位 百分位统计 直方图 折线图 饼形图 散点图 随机森林分类特征重要性 随机森林回归特征重要性 全表统计 单样本t检验 直方图（多字段）

查看更多 →

当前线上购物无疑是最火热的购物方式，而电商平台则又可以以多种方式接入，例如通过web方式访问、通过app的方式访问、通过微信小程序的方式访问等等。该解决方案可以帮助而电商平台统计各平台的实时访问数据量、订单数、访问人数等等指标，从而能在显示大屏上实时展示相关数据。电商平台可以通过将每个商品的订单信

查看更多 →

大数据ETL处理 运营商大数据分析 运营商数据体量在PB~EB级，其数据种类多，有结构化的基站信息数据，非结构化的消息通信数据，同时对数据的时效性有很高的要求， DLI 服务提供批处理、流处理等多模引擎，打破数据孤岛进行统一的数据分析。 优势 大数据ETL：具备TB~EB级运营商数据治理能力，能快

查看更多 →

model_input_features_col - 特征向量的列名 prediction_col - 训练模型时，预测结果对应的列名，默认为"prediction" max_depth - 树的最大深度，默认为5 max_bins - 分割特征时的最大分箱个数，默认为32 min_instances_per_node

查看更多 →

大数据ETL处理 运营商大数据分析 运营商数据体量在PB~EB级，其数据种类多，有结构化的基站信息数据，非结构化的消息通信数据，同时对数据的时效性有很高的要求，DLI服务提供批处理、流处理等多模引擎，打破数据孤岛进行统一的数据分析。 优势 大数据ETL：具备TB~EB级运营商数据治理能力，能快

查看更多 →

model_input_features_col - 特征向量的列名 prediction_col - 训练模型时，预测结果对应的列名，默认为"prediction" max_depth - 树的最大深度，默认为5 max_bins - 特征分裂时的最大分箱个数，默认为32 min_instances_per_node

查看更多 →

数据分析 运营报表 订阅报表 父主题： 统计分析（新）

查看更多 →

OBS的使用涉及以下几项费用： 存储费用：静态网站文件存储在OBS中产生的存储费用。 请求费用：用户访问OBS中存储的静态网站文件时产生的请求费用。 流量费用：用户使用自定义 域名 通过公网访问OBS时产生的流量费用。 实际产生的费用与存储的文件大小、用户访问所产生的请求次数和流量大小有关，请根据自己的业务进行预估。

查看更多 →

查询指定设备的故障等级分布（API名称：deviceIssueLevel） 查询指定设备的故障类型分布（API名称：deviceIssueType） 查询指定设备的故障次数趋势（API名称：deviceIssueTimesTrend） 查询指定设备的巡检自检结果分布（API名称：deviceTaskReviewResult）

查看更多 →

页签，进入 云服务器 页面。 如果您的 服务器 已通过企业项目的模式进行管理，您可选择目标“企业项目”后查看或操作目标企业项目内的资产和检测信息。 勾选目标服务器，单击列表上方的“关联资产重要性”。 图1 关联资产重要性 在弹窗中“资产重要性”项选择对应的资产重要等级。 确认无误，单击“确认”，完成关联。

查看更多 →

通过Flume采集指定目录日志系统文件至HDFS 基于Kafka的Word Count数据流统计案例

查看更多 →

统计时延和算法误差可能导致统计数据与日志中的数据有差异，请以日志数据为准。 您需要定制运营报表后才能查看对应的数据，受日志完整性时延的影响，当天定制的报表会在次日生成。例如2023.08.02日定制的报表，会在2023.08.03日生成。 使用限制 如果您的域名的所属服务范围为“全球”，您需要

查看更多 →

数据分析 分发统计 播放统计

查看更多 →

数据分析 使用DLI进行车联网场景驾驶行为数据分析 使用DLI将 CS V数据转换为Parquet数据 使用DLI进行电商BI报表分析 使用DLI进行账单分析与优化 使用DLI Flink SQL进行电商实时业务数据分析 永洪BI对接DLI提交Spark作业

查看更多 →

- 训练模型时，预测结果对应的列名，默认为"prediction" max_depth - 树的最大深度，默认为5 max_bins - 特征分裂时的最大分箱个数，默认为32 min_instances_per_node - 树分裂时要求每个节点必须包含的实例数目，默认为1 min_info_gain

查看更多 →

资源概览区域参数的含义如表1所示。 表1 资源概览参数说明 参数名称 含义 API总数 API网关代理中，已创建的API的总个数。数据1个小时刷新一次。 API分组总数 API网关代理中，已创建的API分组的总个数。数据1个小时刷新一次。 API请求总数 API网关代理中，已发布的所有API被调用的总次数。数据10分钟刷新一次。

查看更多 →

CarbonData数据分析 新建CarbonData Table 删除CarbonData Table 修改CarbonData Table 加载CarbonData表数据 删除CarbonData表Segments 合并CarbonData表Segments 父主题： 使用CarbonData（ MRS

查看更多 →

prediction_col - 训练模型时，预测结果对应的列名，默认为"prediction" max_depth - 树的最大深度 max_bins - 分割特征时的最大分箱个数 min_instances_per_node - 决策树分裂时要求每个节点必须包含的实例数目 min_info_gain

查看更多 →

prediction_col - 训练模型时，预测结果对应的列名，默认为"prediction" max_depth - 树的最大深度 max_bins - 特征分裂时的最大分箱个数 min_instances_per_node - 树分裂时要求每个节点必须包含的实例数目，默认为1 min_info_gain

查看更多 →

model_input_features_col - 特征向量的列名 prediction_col - 训练模型时，预测结果对应的列名，默认为"prediction" max_depth - 树的最大深度，默认为5 max_bins - 特征分裂时的最大分箱个数，默认为32 min_instances_per_node

查看更多 →