TPE算法优化的超参数必须是分类特征（categorical features）吗 对于优化的超参数类型，TPE算法本身是没有限制的，但出于面对普通用户节省资源的目的，ModelArts在前端限制了TPE的超参数必须是float，如果想离散型和连续型参数混用的话，可以调用rest接口。

查看更多 →

安全漏洞报告中问题文件或者漏洞特征信息为空? 安全漏洞扫描结果中，我们会展示相关的问题文件及特征信息，但是在实际报告会发现存在问题文件或者漏洞特征信息为空的情况，如下图所示： 这是因为部分检查项是针对全局性的，不针对某个文件，所以存在问题文件跟漏洞特征信息为空情况，属于正常现象。 父主题：

查看更多 →

模型测试数据集。 被忽略的列 数据集中不需要参与模型训练的无用列。 包含的模型 模型训练使用的算法列表。 交叉验证折数 交叉检验的折数。如果不使用交叉验证方法，请将该参数置为空。 K折交叉验证的含义：将数据集等比例划分成K份，其中一份作为测试数据，其他的（K-1）份数据作为训练数

查看更多 →

发布服务 如果当前特征工程操作流处理效果比较好，可以得到比较优质的训练数据，可以将当前的特征工程发布成服务。复用此特征工程服务对其他数据进行相同的特征操作。 发布特征工程服务 在特征工程首页的“特征工程”页签，单击特征工程对应“操作”列的，在展开的下拉框中单击图标。 弹出“发布服务”对话框。配置对话框参数：

查看更多 →

运行越来越多的CPU资源来提供充足算力。采用按需实例会在成本可控上遇到较大挑战。 竞享实例的应用 客户通过使用竞享实例来降低用云成本，并在预算范围内尽可能的扩大集群规模，提升业务效率。客户要面对的最大挑战是一定概率的实例终止情况，通过保留一定量的按需实例作为竞享实例的BackUP

查看更多 →

筛选历史，筛选记录内的规则名即为此处设置的筛选规则名称，单击筛选历史记录内的筛选规则名可以查看对应的筛选结果。 可选特征：展示当前数据的所有特征信息。 已选特征：展示用户在“可选特征”中勾选出的所有特征，支持删除已选特征。 在“可选特征”框中勾选需要显示的特征列。 同时包含下述操作：

查看更多 →

为什么在Zookeeper 服务器 上启用安全的netty配置时，四个字母的命令不能与linux的netcat命令一起使用？ 例如： echo stat |netcat host port 回答 Linux的netcat命令没有与Zookeeper服务器安全通信的选项，所以当启用安全的netty配置时，它

查看更多 →

需求单击增加物品特征。单击特征后方的删除不需要的物品特征。 您可以从“应用于”右侧的下拉选项中设置该数据的使用维度是“兴趣属性”或者“关键词提取”。其中： 兴趣属性，此特征将会用于统计用户的兴趣标签，并生成特征名为“interested_原特征名”的特征。 关键词提取，只有当关键

查看更多 →

Box-Cox变换 用于连续的响应变量不满足正态分布时，进行数据变换，达到接近正态分布的目的。Box-Cox变换的主要特点是引入一个参数，通过数据本身估计该参数，进而确定应采取的数据变换形式。 使用Box-Cox变换的优点： 数据得到的回归模型优于变换前的模型，变换可以使模型的解释力度等性能更加优良。

查看更多 →

样后的数据进行处理，可以减少特征操作处理的数据量，提升特征操作的处理速度。 数据服务 支持网络工参、性能、告警等各种类型数据的快速采集。一方面提供大量工具提升 数据治理 效率，同时应用多租户隔离、加密存储等安全技术，保障数据的全生命周期安全。 数据集 某业务下具有相同数据格式的数据逻辑集合。

查看更多 →

要大量高质量的数据，这个时候也会要求数据更加精细化、场景化、专业化，这也成为了AI模型突破瓶颈的关键性条件。如何快速准备大量高质量的数据已经成为AI开发过程中一个具有挑战性的问题。 ModelArts是面向AI开发者的一站式开发平台，能够支撑开发者从数据到AI应用的全流程开发过程

查看更多 →

，执行当前的特征操作流。添加的数据集，必须满足特征维度和特征列数量与当前特征工程绑定的数据集一致，否则会执行失败。 使用JupyterLab开发平台创建的算法工程，界面所有特征操作执行完成后，单击界面右上角的图标，选择“数据处理 > 数据集 > 生成 数据实例 ”，在新增的“生成数据

查看更多 →

中展示的特征列的个数即为设置的“选择特征数”值。列表默认按照相关性评分降序展示所有的特征列。 选择特征列。 保留分析结果所有Top N个特征列。 单击Top N柱状图结果下方的“应用”。 页面跳转至JupyterLab环境编辑区域并生成“选择特征”代码框，“列选择”下展示的“列名”为柱状图展示的所有特征列。

查看更多 →

主动防御：中云网安的AI赋能解决方案专为应用安全防护设计，提供实时监测、态势感知、非嵌入式动态加固的能力，提升整体网络安全防护能力。 智能学习算法：集成自研的安全算法模型和应用学习技术，实现私有化学习，识别未知威胁和0-day攻击，实现主动防御，无感知的进化式更新，提供强大的安全防护能力。

查看更多 →

为什么在Zookeeper服务器上启用安全的netty配置时，四个字母的命令不能与linux的netcat命令一起使用？ 例如： echo stat |netcat host port 回答 Linux的netcat命令没有与Zookeeper服务器安全通信的选项，所以当启用安全的netty配置时，它

查看更多 →

57维特征。 跨域训练数据集 提供用于跨域场景AI模型训练的数据，包括视频体验相关的端到端数据集合。 场景案例 视频优化：基于视频终端（STB）的KPI、KQI、告警等数据的分析，建立视频质差预警模型，提升视频故障处理效率，实现视频体验提升。提供3个训练集，共128维特征。 父主题：

查看更多 →

采样方法 数据样本采样的方法。 包含如下方式： 随机采样：随机选取指定数量的样本。 随机百分比：随机选取指定百分比的样本。 前N条：按照从前往后的顺序选取指定数量的样本。 全量：选取全部样本。 采样参数 采样方法为“随机采样”或“前N条”时，取值为记录数；采样方法为“随机百分比”时，取值为百分比。

查看更多 →

用户可以通过数据去噪，筛选掉时间序列中的异常数据。噪声分析方法： 通过局部线性回归的方法对数据进行平滑处理，得到每个点对应的预测值。 通过观测值与预测值之间的误差error的3sigma确定误差上限，超出上限的点为噪声点。 系统会从原始数据中去除上述噪声点，并采用线性插值的方法对去除噪声的数据进行填充。操作步骤如下。

查看更多 →

行数 数据的样本数量。 列数 数据的特征列数量。 状态 数据的当前状态。 创建时间 数据创建的时间。 操作 可对数据执行的操作： ：查看数据详情。 ：修改数据信息，包括：实例别名、数据类型、文件编码、分隔符、标题行。 ：删除数据。 ：对数据执行已有特征工程的操作流，并生成新的数据。特

查看更多 →

待进行时间特征提取的时间列。 预提取时间特征 要提取的时间特征。默认为“全量提取”，指提取全部的时间特征。此外还支持提取“年”、“月”、“日”、“时”、“分”、“秒”、“星期几”、“一年中的第几天”、“一年中的第几周”、“季”这些时间特征。 新列名 提取出时间特征后产生的新特征列的列

查看更多 →

改，为了利于开发者定制使用，分别提供了四个表的扩展表，便于开发者自定义字段。智能排班模型BO中开放的四个表的增删改查接口，同时支持对扩展表数据的操作。开发者自定义字段后，可以直接使用BO开发的接口，对表和扩展表进行数据的增删改查操作。 四个扩展表中，自定义字段均默认展示：ISDP

查看更多 →