选择标签列 创建预测分析项目后，需要选择数据标签列及标签列数据类型。在预测分析“数据标注”页面，可预览数据并完成标签列以及标签列数据类型选择，当前由于特征筛选算法限制，标签列必须是数据集的最后一列。模型训练将会使用全部数据训练预测模型，该模型以其他列的数据为输入，以标签列的预测值为输出。

查看更多 →

函数工作流 ：用于实现调用销量预测服务的业务逻辑，完成模型的自动部署。 销量预测服务：提供分时销量预测服务，可灵活调整预测时间点，根据历史销量、商品属性、促销活动等基础信息训练得到准确的预测模型。 方案优势 行业化建模经验 内置社区团购类销量预测行业化建模经验，有效提高模型预测准确率。 降本增效

查看更多 →

自动学习声音分类预测报错ERROR:input key sound is not in model 根据在线服务预测报错日志ERROR：input key sound is not in model inputs可知，预测的音频文件是空。预测的音频文件太小，换大的音频文件预测。 父主题：

查看更多 →

两种预测方式。 代码：输入预测代码，单击“预测”后显示预测结果，如图1所示。输入用户ID和推荐数量，或者物品项，根据您设置的策略返回用户的预测结果。如果物品项有多个，需要用英文逗号隔开。 图1 代码预测 表单：输入“ID”和设置“最大推荐个数”，也可以设置“物品项”。其中ID可以

查看更多 →

您可以通过以下两种方式，在能够访问到边缘节点的网络环境中，对部署在边缘节点上的边缘服务发起预测请求。 方式一：使用图形界面的软件进行预测（以Postman为例） 方式二：使用curl命令发送预测请求 通过方式一和方式二，边缘服务无需安全认证即可访问。如果用户需要设置安全认证，请选择

查看更多 →

在线流程 展示在线流程名称、在线流程ID以及在线流程关于融合、过滤、排序、公共配置和模型相关的参数信息。 预测 可对运行中状态的在线服务进行预测，输入预测代码，单击“预测”后显示预测结果。 配置更新记录 展示配置相关记录。 单击配置记录前方的可查看该记录下详细的模型信息，包括模型名称

查看更多 →

点击“编辑”，进行风险分析配置。当前支持自定义预测和智能预测两种模式。 1）自定义预测：一种峰值预测的方式，根据输入预测峰值找出风险实例 。 预测峰值：预测峰值=参考时间段内的历史容量峰值*(1+压力系数)； 风险实例：历史容量峰值和预测峰值，任何一个满足安全阈值，就认为是风险实例，会被输出到风险结果中。

查看更多 →

更新AI应用版本时，边缘服务预测功能不可用？ 针对某一部署的边缘服务，如果在更新AI应用版本时，即修改边缘服务，更新其使用的AI应用版本，导致此边缘服务的预测功能暂不可用。 针对此场景，由于更新了AI应用版本，边缘服务将重新部署，处于部署中的边缘服务，则无法使用预测功能。即更新AI应用版

查看更多 →

如一的执行下去。 图1 组织规划 预测和估算成本 云支出是可变的，本质上很难预测，没有一种预测方法可以适用所有场景。 结合基于趋势（以历史支出作为输入）的预测和基于业务驱动因素（例如新业务上云或区域扩张）的预测，可以有效改进并提升企业的财务预测准确率。 使用成本中心的成本分析，可

查看更多 →

场景示例 客户需要创建一个弹性云服务的按需成本预测预算，每月预算金额为1200元，当预测金额高于预算金额的80%时发送预算告警。 创建预测预算的报告时，必须先开通预测功能，具体操作请参见预测机制。 步骤一：新建预算 具体操作请参见步骤一：新建预测预算。 步骤二：创建预算报告 登录“成本中心”。

查看更多 →

图7 无运行结果 图8 有运行结果 Step2 使用模型进行预测 模型建立完成后，使用已经保存好的模型和餐厅预测数据，可以预测销售额。 在算链页签的预置算链目录下， 双击打开销售销量预测， 如图9所示。 图9 销售销量预测 单击导航栏运行算链。运行过程需要几分钟，请耐心等待。当所有

查看更多 →

创建自动学习后，将会进行模型的训练，得到预测分析的模型。部署上线步骤将使用预测模型发布在线预测服务。 操作步骤 在新版自动学习页面，单击创建成功的项目名称，查看当前工作流的执行情况。 在“预测分析”节点中，待节点状态由“运行中”变为“运行成功”，即完成了模型的自动训练。 训练完成后，您可以在预测分析节点中单

查看更多 →

在次月4日12点后查看或导出摊销成本。 预测的成本数据 “成本分析”页面图表中携带“**”标识的每日/每月数据为预测数据。预测数据根据您筛选条件覆盖的历史数据进行估算，按天预测暂未考虑周期性，与预测时段内的实际数据不同，仅供参考。 成本预测至少需要3个月的历史数据为分析依据，若您的历史数据不足，则不能提供预测结果。

查看更多 →

“实例详情”进入“在线服务”界面，在“预测”页签的“预测代码”区域，输入调试代码。 单击“预测”进行测试，预测完成后，右侧“返回结果”区域输出测试结果。如模型准确率不满足预期，可在“数据标注”页签，重新进行模型训练及部署上线。如果您对模型预测结果满意，可根据界面提示调用接口访问在

查看更多 →

选择“application/json”时，直接填写“预测代码”进行文本预测。 选择“multipart/form-data”时，需填写“请求参数”，请求参数取值等同于使用图形界面的软件进行预测（以Postman为例）Body页签中填写的“KEY”的取值，也等同于使用curl命令发送预测请求上传数据的参数名。

查看更多 →

行联邦预测，筛选出高价值的潜在客户，再针对这些客户进行定向营销，达成提高营销效果、降低营销成本的业务诉求。 根据前一篇文章，企业A已经通过可信联邦学习功能训练出了一个预测客户时候是高价值用户的模型。 本文主要介绍企业A和大数据厂商B如何通过已有的模型对新的业务数据进行预测。 父主题：

查看更多 →

在实际或预测超过预算阈值时，自动发送通知给指定消息接收人。客户还可以创建预算报告，定期将指定预算进展通知给指定消息接收人。 下面将介绍几类常见的通过预测、预算跟踪成本和使用量的任务： 功能一：创建预测预算并接收告警 功能二：使用预算报告定期跟踪预算进展 父主题： 使用预测和预算来跟踪成本和使用量

查看更多 →

在部署在线服务时，状态显示为“告警”。 解决方法 使用状态为告警的服务进行预测，可能存在预测失败的风险，请从以下4个角度进行排查，并重新部署。 后台预测请求过多。 如果您使用API接口进行预测，请检查是否预测请求过多。大量的预测请求会导致部署的在线服务进入告警状态。 业务内存不正常。 请检查

查看更多 →

模型训练 完成预测分析数据标注后，可进行模型的训练，得到预测分析的模型。部署上线步骤将使用预测模型发布在线预测服务。 操作步骤 在自动学习页面，单击创建成功的项目名称，进入“数据标注”页面，完成“标签列”和“标签列数据类型”的选择。 在“数据标注”页面下方，单击“训练”，在弹出的

查看更多 →

选择“application/json”时，直接填写“预测代码”进行文本预测。 选择“multipart/form-data”时，需填写“请求参数”，请求参数取值等同于使用图形界面的软件进行预测（以Postman为例）Body页签中填写的“KEY”的取值，也等同于使用curl命令发送预测请求上传数据的参数名。

查看更多 →

创建项目 时序预测学件，目前封装在模型训练服务的JupyterLab平台中。可通过在项目中创建JupyterLab环境，体验时序预测学件服务。 时序预测学件支持同时对多指标进行预测。 在模型训练服务首页，单击界面左上角的“创建项目”图标。 弹出“创建项目”对话框。请根据实际情况，配置如下参数：

查看更多 →