超过最大递归深度导致训练作业失败 问题现象 ModelArts训练作业报错： RuntimeError: maximum recursion depth exceeded in __instancecheck__ 原因分析 递归深度超过了Python默认的递归深度，导致训练失败。

查看更多 →

行条化策略（属性匹配召回作业、物品协同过滤召回作业、用户协同过滤召回作业需要提供此参数）。 match_type 否 String 匹配类型（属性匹配召回作业需提供此参数）： UI，基于用户推荐物品 UU，基于用户推荐用户 II，基于物品推荐物品 IU，基于物品推荐用户 matrix_factorization

查看更多 →

ague_id}/fl-jobs/{job_id} 保存横向联邦学习作业 响应示例 无 状态码 状态码 描述 200 保存横向联邦学习作业成功 401 操作无权限 500 内部 服务器 错误 父主题： 可信联邦学习作业管理

查看更多 →

列表中展示抽取的物品特征和参数类型，此特征会额外应用于所选字段的功能。您可以根据业务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

查看更多 →

将整个数据集切分成多个子数据集，依次训练，每个epoch训练一个子数据集。 DeepFM DeepFM，结合了FM和深度神经网络对于特征表达的学习，同时学习高阶和低阶特征组合，从而达到准确地特征组合学习，进行精准推荐。 表2 深度网络因子分解机参数说明 参数名称 说明 名称 自定义策略名称，由中文、英文、数字、下

查看更多 →

宽表：推荐系统内部格式，以行为数据为主，将行为数据中涉及到的用户数据和物品数据整合成一条数据。 画像：画像分为用户画像和物品画像，分别用于存储用户输入的用户特征和物品特征。如果同一用户或物品有多条记录，将会按照用户ID或者物品ID去重。 前提条件 已按照创建离线数据源操作指导完成数据源的创建。

查看更多 →

StreamingML 异常检测 时间序列预测 实时聚类 深度学习模型预测 父主题： Flink SQL语法参考（不再演进，推荐使用Flink OpenSource SQL）

查看更多 →

灵活配置物品状态和过期时间，保障有效性和实效性 配置物品status状态，完成物品的上下架 配置过期时间实现新闻的过期下架

查看更多 →

创建可信联邦学习作业 联邦建模的过程由企业A来操作，在“作业管理 > 可信联邦学习”页面单击“创建”，填写作业名称并选择算法类型后单击确定即进入联邦建模作业界面。本文逻辑回归算法为例。 父主题： 使用 TICS 可信联邦学习进行联邦建模

查看更多 →

联邦学习作业管理 执行ID选取截断 执行纵向联邦分箱和IV计算作业 执行样本对齐 查询样本对齐结果 父主题： 计算节点API

查看更多 →

在左侧导航树上依次选择“作业管理 > 可信联邦学习”，打开可信联邦学习作业页面。 在“可信联邦学习”页面，单击“创建”。 图1 创建作业 在弹出的对话框中单击“纵向联邦”按钮，编辑“作业名称”等相关参数，完成后单击“确定”。 目前，纵向联邦学习支持“XGBoost”、“逻辑回归”、“F

查看更多 →

查询并导出课程学习记录 前提条件 用户具有“查询课程记录”权限 操作步骤： 登录ISDP系统，选择“作业人员->学习管理->学习记录”，查询课程学习记录 点击顶部“课程学习记录”可以在这里对学习记录进行查询以及导出，筛选说明如下表： 图1 课程记录查询条件 表1 “课程学习记录”筛选项

查看更多 →

行条化策略（属性匹配召回作业、物品协同过滤召回作业、用户协同过滤召回作业需要提供此参数）。 match_type String 匹配类型（属性匹配召回作业需提供此参数）： UI，基于用户推荐物品 UU，基于用户推荐用户 II，基于物品推荐物品 IU，基于物品推荐用户 matrix_factorization

查看更多 →

在线上策略使用到关联推荐召回策略时需要提供。例如，给用户推荐物品，主体是用户，客体是物品；给物品推荐用户，主体是物品，客体是用户；给用户推荐用户，主体是用户，客体是用户；给物品推荐物品，主体是物品，客体是物品。 纯排序场景中，该参数为传入待排序物品列表的字段，传入物品集供模型排序使用。 rec_num -

查看更多 →

⼯⼚模块：⼯⼚在APS中主要起到数据的归组的作⽤，如资源、物品、BOM等都是可以按⼯⼚进⾏分组 图5 ⼯⼚管理界面 库存点物品：在库存点物品管理界⾯可对相关库存点物品进⾏设定。库存点物品（以下简称为物品）可维护成品、半成品、原材料等物品主档信息，包括物品代码、名称、规格属性、计划属性、⽣产属性、采购属性、销售属性等信息。

查看更多 →

通用数据由特征工程“初始用户画像-物品画像-标准宽表生成”算子生成。其路径与“初始用户画像-物品画像-标准宽表生成”结果保存路径一致。 说明： 在使用通用格式数据之前，需要先进行特征工程算子计算。 通用格式数据：从用户属性表、物品属性表和用户操作行为表中提取用户、物品特征和用户行为，并生成JSON数据，即内部通用格式。

查看更多 →

，包括用户数据、物品数据和行为数据。 用户数据 用户数据包括数据源中的“用户属性表”和用于近线计算的“用户画像”数据。用户数据记录用户的属性信息，例如地域、爱好等。 物品数据 物品数据包括数据源中的“物品属性表”和用于近线计算的“物品画像”数据。物品数据记录物品的属性信息，例如类别、长度等。

查看更多 →

域都会学习一个隐向量，能够达到更高的精度，但也更容易出现过拟合。FFM算法参数请参见域感知因子分解机。 深度网络因子分解机，结合了因子分解机和深度神经网络对于特征表达的学习，同时学习高阶和低阶特征组合，从而达到准确地特征组合学习，进行精准推荐。DEEPFM算法参数请参见深度网络因子分解机。

查看更多 →

概述 天筹求解器服务(OptVerse)是一种基于华为云基础架构和平台的智能决策服务，以自研AI求解器为核心引擎，结合机器学习与深度学习技术，为企业提供生产计划与排程、切割优化、路径优化、库存优化等一系列有竞争力的行业解决方案。 父主题： 产品介绍

查看更多 →

关联推荐的主要应用场景是什么？ 关联推荐主要应用于固定的物品的关联推荐，根据已关联的物品对相关的内容和行为进行挖掘，网状匹配相关联的物品，进行有关联度的推荐。 父主题： 智能场景

查看更多 →

IoTA.01010036 属性引用深度超过配额限制 错误码描述 属性引用深度超过配额限制。 可能原因 资产属性作为其他的分析任务的输入参数，此时该资产属性引用深度为1，举例：模型A中有属性a，而模型B的分析任务以a为输入参数，则a的引用深度为1，深度限制最大为10。 处理建议 系统

查看更多 →