优化器类型 grad：梯度下降算法 学习率：优化算法的参数，决定优化器在最优方向上前进步长的参数。默认0.001。 adam：自适应矩估计算法 结合AdaGrad和 RMS Prop两种优化算法的优点，对梯度的一阶矩估计（First Moment Estimation，即梯度的均值）和二阶矩估计（Second

查看更多 →

优化器类型 grad：梯度下降算法 学习率：优化算法的参数，决定优化器在最优方向上前进步长的参数。默认0.001。 adam：自适应矩估计算法 结合AdaGrad和RMSProp两种优化算法的优点，对梯度的一阶矩估计（First Moment Estimation，即梯度的均值）和二阶矩估计（Second

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 →

梯度提升树分类 概述 “梯度提升树分类”节点用于生成二分类模型，是一种基于决策树的迭代分类算法。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 →

隐藏。 软件设计需要结合高性能硬件特性，充分利用硬件高速网络实现高带宽分布式通信，实现高效的数据集本地数据缓存技术，通过训练调优算法，如混合并行，梯度压缩、卷积加速等技术，实现分布式训练系统软硬件端到端的高效协同优化，实现多机多卡分布式环境下训练加速。ModelArts在千级别资

查看更多 →

与管理。 选择自适应模板，网站一端设计，多个终端适配。 图1 多终端自适应版模板市场 海量模板任意选择，背景、功能随意切换，自适应版模板编辑可集中创建页面的图片排版大小，智能地根据用户行为以及使用的设备环境进行相对应的布局。一个网站支持多个终端独立设计，也可自适应多个终端（手机、

查看更多 →

KhopSample K跳算法 ShortestPathSample 最短路径算法 AllShortestPathsSample 全最短路径算法 FilteredShortestPathSample 带一般过滤条件最短路径 SsspSample 单源最短路径算法 ShortestPa

查看更多 →

分类 决策树分类 梯度提升树分类 LightGBM分类 线性支持向量机分类 逻辑回归分类 多层感知机分类 朴素贝叶斯分类 随机森林分类 FM算法 GBDT PMML模型预测 多层感知机分类(pytorch) 多层感知机预测(PyTorch) 父主题： 模型工程

查看更多 →

自适应计划选择的Hint 功能描述 对于以PBE方式执行的查询语句和DML语句，用户可以通过在查询中加choose_adaptive_gplan hint触发自适应计划选择。 语法格式 针对查询开启自适应计划选择： 1 choose_adaptive_gplan 对于非PBE方

查看更多 →

自适应计划选择的Hint 功能描述 对于以PBE方式执行的查询语句和DML语句，用户可以通过在查询中加choose_adaptive_gplan hint触发自适应计划选择。 语法格式 针对查询开启自适应计划选择： 1 choose_adaptive_gplan 对于非PBE方

查看更多 →

HetuEngine提供了自适应查询执行的功能，该功能会自适应地调度执行查询。 本章节介绍如何开启自适应查询执行功能。 操作步骤 使用HetuEngine管理员用户登录Manager，选择“集群 > 服务 > HetuEngine”，进入HetuEngine服务页面。 在“概览”

查看更多 →

梯度提升树分类特征重要性 概述 采用梯度提升树分类算法计算数据集特征的特征重要性。 输入 参数 子参数 参数说明 inputs dataframe 参数必选，表示输入的数据集；如果没有pipeline_model和gbt_classify_model参数，表示直接根据数据集训练gbdt分类模型得到特征重要性

查看更多 →

梯度提升树回归特征重要性 概述 采用梯度提升树回归算法计算数据集特征的特征重要性。 输入 参数 子参数 参数说明 inputs dataframe 参数必选，表示输入的数据集；如果没有pipeline_model和gbt_regressor_model参数，表示直接根据数据集训练梯度提升树回归模型得到特征重要性

查看更多 →

executor内存不足导致查询性能下降 现象描述 在不同的查询周期内运行查询功能，查询性能会有起伏。 可能原因 在处理数据加载时，为每个executor程序实例配置的内存不足，可能会产生更多的Java GC（垃圾收集）。当GC发生时，会发现查询性能下降。 定位思路 在Spark UI

查看更多 →

算法发布 上传算法 商品发布 父主题： 发布算法

查看更多 →

String 算法api版本，标识新旧版。 is_valid String 算法可用性。 state String 算法状态。 tags Array of Map<String,String> objects 算法标签。 attr_list Array of strings 算法属性列表。

查看更多 →

算法参考 算法一览表 PageRank算法 PersonalRank算法 k核算法（k-core） k跳算法（k-hop） 最短路径算法（Shortest Path） 全最短路算法（All Shortest Paths） 带一般过滤条件最短路径（Filtered Shortest

查看更多 →

算法优化 PERF05-02 通用算法优化 父主题： PERF05 性能优化

查看更多 →

查找算法 ModelArts提供查找算法功能帮助用户快速查找算法。 操作一：按照名称、镜像、代码目录、描述、创建时间筛选的高级搜索。 操作二：单击右上角“刷新”图标，刷新算法列表。 操作三：自定义列功能设置。 图1 查找算法 如果需要对算法排序，可单击表头中的箭头进行排序。 父主题：

查看更多 →

算法管理 算法创建 算法详情 父主题： 仿真服务

查看更多 →

单击在线编辑栏的“算法编辑”，可在线编辑算法文件，具体请参考在线编辑算法。 在线编辑算法 平台提供算法编辑器，在创建成功的算法名称后“在线编辑”栏单击“算法编辑”，或单击算法详情页右上角的“算法编辑”，进入该算法的在线编辑页面。如图6 在线编辑算法，界面左侧显示的是该算法包内的所有算法文件，

查看更多 →