标签： 开发环境

概述 过滤式特征选择根据特征对标签的重要性对特征进行筛选，特征重要性较高的特征，提升训练的精度和效率。 输入 参数 子参数 参数说明 inputs dataframe inputs为字典类型，dataframe为pyspark中的DataF…

概述 使用pytorch实现的多层感知机分类算法，可运行于异构资源池上。 该算子通过cuda自动判断gpu是否可用。若gpu可用，优先使用gpu训练；否则使用cpu训练。 输入 参数 子参数 参数说明 data_url _ data_url…

概述 LDA主题分析模型(Latent Dirichlet Allocation)，由Blei等人于2003年提出的无监督学习算法，可以按照概率分布的形式给出文档集中每篇文档的主题，在文本挖掘领域，应用于文本主题识别、文本分类和文本相似度计…

概述 分层采样是一种数据采样算法，依据数据集中某一代表数据类别的列，按照数量或比例对不同类别的数据进行采样。 算法实现采用spark自带的sample函数，采样数量会存在一定误差（按比例采样和按数量采样均会存在）。 输入 参数 子参数 参数…

概述 用线性模型计算训练数据的特征重要性。 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 输出 特征的重要性和特征在线性模型中的we…

概述 使用PyTorch实现的多层感知机分类算法，可运行于异构资源池上。 该算子通过cuda自动判断GPU是否可用。若GPU可用，优先使用GPU训练；否则使用CPU训练。 输入 参数 参数说明 train_url train_url为存储模…

概述 对文本数据按照标点符号进行句子拆分。 该算法按照既定标点符号等进行句子拆分，并将标点符号保留在句末（给定标点符号不单独成行），一篇文章拆分成多行输出。 输入 参数 子参数 参数说明 inputs input_table 输入表表名 输…

概述 “连接”节点是关系数据库中常用的方法之一，用于以特定的方式将两个数据集联接在一起。 输入 参数 子参数 参数说明 inputs left_dataframe inputs为字典类型，left_dataframe为执行连接操作的左数据集…

概述 加权采样是一种数据采样算法，依据数据集中权重列进行数据采样，权重越大的样本被采样的概率越大。 输入 参数 子参数 参数说明 inputs dataframe inputs为字典类型，dataframe为pyspark中的DataFra…

概述 支持对稠密或稀疏的数值类特征进行常见的尺度变换，支持常见的log2、log10、ln、abs及sqrt等尺度变化函数。 输入 参数 子参数 参数说明 inputs dataframe inputs为字典类型，dataframe为pys…