深度学习模型预测 深度学习已经广泛应用于图像分类、图像识别和 语音识别 等不同领域， DLI 服务中提供了若干函数实现加载深度学习模型并进行预测的能力。 目前可支持的模型包括DeepLearning4j 模型和Keras模型。由于Keras它能够以 TensorFlow、CNTK或者 Theano

查看更多 →

深度学习模型预测 深度学习已经广泛应用于图像分类、图像识别和语音识别等不同领域，DLI服务中提供了若干函数实现加载深度学习模型并进行预测的能力。 目前可支持的模型包括DeepLearning4j 模型和Keras模型。由于Keras它能够以 TensorFlow、CNTK或者 Theano

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 →

传播 创建路由传播 查询路由传播列表 删除路由传播 父主题： API

查看更多 →

传播 权限 对应API接口 授权项（Action） IAM项目 (Project) 企业项目 (Enterprise Project) 创建传播 POST /v3/{project_id}/enterprise-router/{er_id}/route-tables/{route

查看更多 →

传播 传播概述 在路由表中创建连接的传播 查看路由表中连接的传播 删除路由表中连接的传播

查看更多 →

颜色矩阵 图1 颜色矩阵 颜色值矩阵：下表中，各颜色值同上述示意图一一对应。 表1 颜色矩阵 颜色值 FF000000 FF595959 FFA5A5A5 FFFFFFFF FF8E2323 FFB20000 FFDB7070 FFFF4C4C FF8E5923 FFB25900

查看更多 →

混淆矩阵 概述 混淆矩阵是机器学习中总结分类模型预测结果的情形分析表，以矩阵形式将数据集中的记录按照真实的类别与分类模型预测的类别判断两个标准进行汇总。其中矩阵的行表示真实值，矩阵的列表示预测值。 True Positive（TP）：真正类。样本的真实类别是正类，并且模型识别的结果也是正类；

查看更多 →

矩阵量表 矩阵量表用于形象地评估对事物的喜好程度。 在表单开发页面，从“数据组件”中，拖拽“矩阵量表”组件至表单设计区域，如图1。 图1 矩阵量表 如图2所示，使用矩阵量表对车辆进行评分。 图2 矩阵量表配置示例 显示名称：该组件在页面呈现给用户的名称，可以设置为中文，也可以设置为英文。

查看更多 →

培训内容 培训内容 说明 神经网络基础 介绍深度学习预备知识，人工神经网络，深度前馈网络，反向传播和神经网络架构设计 图像处理理论和应用 介绍计算机视觉概览，数字图像处理基础，图像预处理技术，图像处理基本任务，特征提取和传统图像处理算法，深度学习和卷积神经网络相关知识 语音处理理论和应用

查看更多 →

传播概述 传播是企业路由器和连接的路由学习关系，一个连接可以和多个ER路由表建立传播关系，为连接创建传播后，可以将连接的路由信息自动学习到ER路由表中。 如果不创建传播，可以手动在路由表中添加连接的静态路由。 图1 传播路由和静态路由概述 表1 传播概述 连接类型 路由学习内容 创建传播的方法

查看更多 →

反向建模 反向建模概述 数据库管理 建模管理 父主题： 数据模型管理

查看更多 →

协方差矩阵 概述 协方差，在概率论与统计学中用于衡量随机变量的联合变化程度。正态形式的协方差大小可以显示变量之间线性关系的强弱，如：皮尔逊相关系数。但是协方差的数值大小也取决于变量的大小。协方差矩阵是多个变量之间的协方差所构成的矩阵表示形式。方差是协方差的一种特殊形式。 输入 参数

查看更多 →

标签传播（label_propagation）(2.1.8) 表1 parameters参数说明 参数 是否必选 说明 类型 取值范围 默认值 convergence 否 收敛精度。 Double 0~1，不包括0和1。 0.00001 max_iterations 否 最大迭代次数。

查看更多 →

最小二乘法 概述 ALS（交替最小二乘）是一种求解矩阵分解问题的最优化方法。 “交替最小二乘”节点用于推荐，它通过矩阵分解手段快速实现用户对物品评分的预测。 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

查看更多 →

创建路由传播 功能介绍 每个连接可以和多个路由表建立传播关系，从该连接学习到的路由会应用到具有传播关系的路由表。 调用方法 请参见如何调用API。 URI POST /v3/{project_id}/enterprise-router/{er_id}/route-tables/{

查看更多 →

标签传播算法（label_propagation） 功能介绍 根据输入参数，执行label_propagation算法。 标签传播算法（Label Propagation）是一种基于图的半监督学习方法，其基本思路是用已标记节点的标签信息去预测未标记节点的标签信息。利用样本间的关系

查看更多 →

看事件的故障传播链。 支持查看故障传播链的异常事件类型包括： 应用服务整体平均响应时间突增 TopN接口平均响应时间突增 应用服务整体错误率突增 TopN接口错误率突增 通过故障转播图谱定位根因 在事件详情页面，故障传播链将展示调用链中的故障传播图谱。 图1 故障传播图谱 父主题：

查看更多 →

删除路由传播 功能介绍 解绑连接和路由表的传播关系。 调用方法 请参见如何调用API。 URI POST /v3/{project_id}/enterprise-router/{er_id}/route-tables/{route_table_id}/disable-propagations

查看更多 →

DLI SDK功能矩阵 SDK开发指南指导您如何安装和配置开发环境、如何通过调用DLI SDK提供的接口函数进行二次开发。 Java、Python SDK功能矩阵请参见表1 表1 SDK功能矩阵 语言 功能 内容 Java OBS授权 介绍将OBS桶的操作权限授权给DLI的Java

查看更多 →

物料反向追溯 支持按物料条码反向追溯该物料的使用记录。 前提条件 已登录MBM-F，且拥有该菜单栏目的操作权限。 注意事项 已被采集或已被上载的物料条码才能查询出物料反向追溯数据。 物料反向追溯 在顶部导航栏中，选择“生产管理 > 生产看板 > 物料反向追溯”。 进入“物料反向追溯”页面。

查看更多 →