为不同数据类型的样本数据，分别设置采样比例。 示例：{(0,): 0.2, (1,): 0.8}，其中(0,)和(1,)分别为特征列的组合样本数据。 seed 改变随机数生成器生成随机数的种子。取值必须为整数。 默认值为空，即不对分层采样产生影响。seed值不固定的时候，每次采样出来的样本数量，以及每层采的哪些行都是不固定的。

查看更多 →

单击“确定”，系统提示“任务数据采样执行成功”，完成数据采样操作。 父主题： Python和Spark开发平台

查看更多 →

联合概率分布采样 联合概率分布采样假设连续型参数符合正态分布，支持录入连续型参数之间的相关系数（值为1时，表示变量完全正相关。值为0时，表示变量间独立。值为-1时，表示变量完全负相关），并根据参数分布和相关系数进行联合概率分布采样。而离散型参数根据给定的取值列表进行随机采样。 重要型采样

查看更多 →

随机采样。 重要型采样 重要性采样是在优化目标边界附近进行采样，利用上一次泛化场景仿真后得到的评测分数进行训练拟合，找到边界后不断在边界附近进行采样。 图3 重要型采样 采样结果 如下图1和图2所示，对于某个逻辑场景进行拉丁超立方和蒙特卡洛采样，参数都是符合随机特性，但采样得到的值不相同。

查看更多 →

APM指标数据采样策略是什么？ 在使用APM服务过程中用户开启APM数据采集开关后，APM仅采集应用性能指标及调用链相关数据，不涉及个人隐私数据，详细内容请参见数据采集。 APM可以通过非侵入方式采集APM 探针提供的应用数据、基础资源数据、用户体验数据等多项指标。 指标数据周期性完整采集，默认采集周期为1分钟。

查看更多 →

算法工程处理的时候必须要先采样吗？ 算法工程数据采样的目的是提升界面每个特征操作的速度。大数据量操作的时候建议先采样。数据采样后所有的特征操作，都只对采样后的数据进行处理，可以减少特征操作处理的数据量。 父主题： 特征工程

查看更多 →

low-threshold-value ]*，设置合理的CRC错误告警阈值。检查是否继续产生此告警。 是 =>3。 否 =>4。 请收集告警、日志和配置信息，并联系技术支持人员。 结束。 父主题： WAC&AP告警

查看更多 →

云手机提供音视频媒体引擎，支持用户基于云手机完成云手机音频、视频的采集和编码，并灵活设置音视频编码参数，匹配不同场景业务诉求。 如您需要进一步了解如何使用，请参见《SDK参考》。 云手机音频 初始化音频服务 初始化音频服务，设置音频初始化参数，包括音频类型、采样率、采样深度、采样间隔等。 启动音频服务 启动音频服务，获取音频数据。

查看更多 →

low-threshold-value ]*，设置合理的CRC错误告警阈值。检查是否继续产生此告警。 是 =>3。 否 =>4。 请收集告警、日志和配置信息，并联系技术支持人员。 结束。 父主题： V200版本LSW设备告警

查看更多 →

模型训练输出的预测值，对应数据集的一个特征列。例如鸢尾花分类建模数据集提供了五列数据：花瓣的长度和宽度、花萼的长度和宽度、鸢尾花种类。其中，鸢尾花种类就是标签列。 C 超参 模型外部的参数，必须用户手动配置和调整，可用于帮助估算模型参数值。 M 模型包 将模型训练生成的模型进行打包。可以基于

查看更多 →

由时延控制的，目前在数据块大小为4KiB的情况下，超高IO磁盘的单队列访问时延为1ms，那么在单队列场景下，1秒可以处理的IOPS为1000，即当IOPS为12000时，队列深度大约为12，如果要达到IOPS上限26800，则队列深度大约需要达到26。 父主题： 云硬盘性能问题

查看更多 →

中。 全采样设置 为了减少调用链数据频繁上报给服务造成的性能影响，探针侧发送的调用链数据，默认情况下最大100TPS的速率上报。所以在服务并发量超过100TPS的情况下，调用链不会全部上报，如有需要可以通过修改配置文件的方式修改上报阈值，但请做好性能开销的评估。 全采样功能在设置

查看更多 →

绿色“请求成功”按钮和红色“请求失败”按钮，不支持同时置灰。 用户也可以从一些监控项视图页面，比如Url监控项的table视图，单击具体的Url跳转过来，这样就已经预先填写好搜索条件，帮助用户更快速搜索出所需要的调用链信息。 调用链详情页面可以查看调用链的完整链路信息，包含本地方法堆栈和相关远程调用的调用关系

查看更多 →

选择1个或多个实例，单击“确定”。 图5 选择需要的实例 说明： “组件”和“实例”只能选择其中一项，不支持同时选择。 如果选择了实例级范围生效，则不能将配置信息复制到其他组件和环境。 配置完成后，单击“保存”。 组件与基础设施关联分析配置 在“自定义设置”页面下的“组件与基础设施关联分析设置”配置区域中选择场景，并选择需要存储的普罗实例。

查看更多 →

将统计信息备份成SQL 用于场景复现或统计信息还原 导出SQL的形式 场景和策略 列举了常见的数据加工场景和对应的统计信息收集策略。 表2 统计信息收集策略 场景 特点 策略 流式增量加工 数据流式增量变化，无合理ANALYZE时机 开启动态采样，查询按需自动收集统计信息，且全局共享 在线批量加工 （ 数据湖 ）

查看更多 →

TABLESAMPLE 有BERNOULLI和SYSTEM两种采样方法。 这两种采样方法都不允许限制结果集返回的行数。 BERNOULLI 每一行都将基于指定的采样率选择到采样表中。当使用Bernoulli方法对表进行采样时，将扫描表的所有物理块并跳过某些行（基于采样百分比和运行时计算的随机值之间的

查看更多 →

TABLESAMPLE 有BERNOULLI和SYSTEM两种采样方法。 这两种采样方法都不允许限制结果集返回的行数。 BERNOULLI 每一行都将基于指定的采样率选择到采样表中。当使用Bernoulli方法对表进行采样时，将扫描表的所有物理块并跳过某些行（基于采样百分比和运行时计算的随机值之间的

查看更多 →

通过运行结果左侧两个图可以直观的看一下原始数据和数据的密度分布图。运行结果右侧的参数说明，如表1所示。 表1 特征画像参数说明 参数 说明 设备数 需要检测的KPI对象的数量，如设备或端口的数目。 样本数 训练数据总的样本数。 采样率 采样频率，单位为秒。60的含义为每60秒采样一次。 开始时间 采样的时间跨度。

查看更多 →

平衡的：平衡模型输出的随机性和准确性。 创意性的：模型输出内容更具多样性和创新性，某些场景下可能会偏离主旨。 自定义：自定义大模型输出的温度和核采样值，生成符合预期的输出。 温度 用于控制生成结果的随机性，取值范围0-1。 调高温度，会使得模型的输出更多样性和创新性。 降低温度，会使输出内容更加遵循指令要求但减少多样性。

查看更多 →

分别表示低、中、高CPU负载下的采样率，末位表示单个方法最低采样个数） traceCountStats string JAVA 20,10,5,1 2.0.0 - 默认采样率配置（例子：20,10,5,1 分别表示低、中、高CPU负载下的采样率，末位表示单个方法最低采样个数） excludeMethods

查看更多 →

表示是否在识别结果中输出分词结果信息，取值为“yes”和“no”，默认为“no”。 表3 property取值范围 property取值 说明 chinese_8k_general 支持采样率为8k的中文普通话 语音识别 ，采用新一代端到端识别算法，识别准确率更高。 区域支持cn-east-3和cn-north-4（

查看更多 →