如需了解国际站更多云产品，请访问国际站。https://www.huaweicloud.com/intl/
不再显示此消息
如需了解国际站更多云产品，请访问国际站。https://www.huaweicloud.com/intl/
不再显示此消息
数据回归预测 功能介绍 针对特定场景的回归任务，用户传入回归数据，使用模型对指定的预测目标进行回归预测。 URI POST /v1/{project_id}/infer-api/proxy/service/{deployment_id}/ 获取URI方式请参见请求URI。 表1 推理接口路径参数
盘古时序预测回归大模型 功能介绍 2025年3月首次发布的模型，基于时序预测基模型实现对未来一组观测值的预测，最多支持256个未来时间点的预测。 URI POST /v1/{project_id}/infer-api/proxy/service/{deployment_id}/ 获取URI方式请参见请求URI。
预测的应用 用户开通预测功能后，可以通过预测功能来估计未来时间内可能消耗的成本和用量，也可以根据预测数据设置预算提醒，以达到基于预测成本进行预算监控的目的。 查看预测数据 登录“成本中心”。 选择“成本洞察 > 成本分析”。 单击“新建自定义报告”。 设置周期。 按月查看预测数据
盘古融合推荐回归大模型 数据回归预测 排列特征重要性 父主题： 预测大模型
”。 预测长度：预测的样本数量，默认值“1”。例如当前数据是按小时采集的3000条样本数据，如果想通过模型预测未来1天的样本数据，因为按小时采集，所以为24条数据，那么“预测长度”需要配置为“24”。 预测粒度：保持默认值。 预测类型：取值说明如下所示。本次请选择“时空预测”。
训练预测分析模型 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。模型部署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。
实时预测作业必须选择训练FiBiNet模型的参与方计算节点发布的数据集。 创建训练模型时参数必须有"save_format": "SAVED_MODEL"。 创建联邦预测作业 实时预测作业在本地运行，目前仅支持深度神经网络FiBiNet算法。 用户登录进入计算节点页面。 在左侧导航树上依次选择“作业管理
特征在行数据之间随机混洗，评估预测效果，并计算指标的下降值，并以此评估特征的重要性。当混洗某一列特征，导致预测效果与baseline有较大下降时，则说明此列特征重要性较高。此处使用r2_score作为回归任务的评估指标。 注意：输入的数据需包含预测目标列的真值，且数量大于1000，以便更精确地计算预测效果指标。
单击“预测”页签，进行服务测试。 图1 服务测试 下面的测试，是您在自动学习预测分析项目页面将模型部署上线之后进行服务测试的操作步骤。 模型部署完成后，您可输入代码进行测试。在“自动学习”页面，在服务部署节点，单击“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。
得到模型时的输出（预测项）。 除标签列外数据集中至少还应包含两个有效特征列（列的取值至少有两个且数据缺失比例低于10%）。 当前由于特征筛选算法限制，预测数据列建议放在数据集最后一列，否则可能导致训练失败。 表格数据集示例： 以银行存款预测数据集为例：根据预测人的年龄、工作类型、
数设置。 表1 创建预测大模型评测任务参数说明 参数分类 参数名称 参数说明 选择服务 模型类型 选择“预测大模型”。 评测模型 当前支持预测大模型3种模型场景，分别是： 回归 分类 异常检测 服务来源 当前仅支持已部署服务 已部署服务：选择部署至ModelArts Studio平台的模型进行评测。
度，提高浇注和连铸的准确性和效率。 预测大模型提供了两种回归大模型，支持不同场景下的回归任务： 盘古时序预测回归大模型，支持时序数据回归预测任务。 盘古融合推荐预测大模型，支持结构化数据回归预测任务。 盘古融合推荐回归大模型（Pangu-Predict-Reg-Table-2.0
必须选择一个已有模型才能创建批量预测作业。 批量预测作业必须选择一个当前计算节点发布的数据集。 创建联邦预测作业 批量预测作业在本地运行，目前支持XGBoost算法、逻辑回归LR算法、深度神经网络FiBiNet算法。 用户登录进入计算节点页面。 在左侧导航树上依次选择“作业管理 > 联邦预测”，打开联邦预测作业页面。
预测类数据集格式要求 平台支持创建预测类数据集，创建时可导入时序数据、回归分类数据。 时序数据：时序预测数据是一种按时间顺序排列的数据序列，用于预测未来事件或趋势，过去的数据会影响未来的预测。 回归分类数据：回归分类数据包含多种预测因子（特征），用于预测连续变量的值，与时序数据不
可自行选择您需要预测的列名。 标签列是预测模型的输出。模型训练步骤将使用全部信息训练预测模型，该模型以其他列的数据为输入，以标签列的预测值为输出。模型部署步骤将使用预测模型发布在线预测服务。 “输出路径” 选择自动学习数据输出的统一OBS路径。 说明： “输出路径”是存储自动学习在运行过程中所有产物的路径。
被低估。 预测置信度 盘古融合推荐异常检测大模型和盘古融合推荐分类大模型支持预测时输出置信度（即每种结果的概率值），详见《API参考》“API > 预测大模型 > 盘古融合推荐异常检测大模型”和“API > 预测大模型 > 盘古融合推荐分类大模型”。 父主题： 调用预测大模型
在“联邦预测”页面批量预测Tab页，查找待执行的作业，单击“发起预测”，在系统弹窗中填写“分类阈值”，勾选数据集发起联邦预测。 如果在创建联邦预测作业 步骤4中勾选的模型不包含标签方特征，联邦预测支持只勾选己方数据集发起单方预测。 图1 发起预测 图2 勾选数据集 在“联邦预测”页面批量预测Tab
M，并延长单步训练时长。 学习率 学习率用于控制每个训练step参数更新的幅度，一般来说需要选择一个合适的学习率，否则当学习率过大的时候会导致模型难以收敛，过小的时候会收敛速度过慢。 热身比率 热身阶段占整体训练的比例。刚开始训练时若选择一个较大的学习率，可能带来模型的不稳定，选
AI开发基本概念 机器学习常见的分类有3种： 监督学习：利用一组已知类别的样本调整分类器的参数，使其达到所要求性能的过程，也称为监督训练或有教师学习。常见的有回归和分类。 非监督学习：在未加标签的数据中，试图找到隐藏的结构。常见的有聚类。 强化学习：智能系统从环境到行为映射的学习，以使奖励信号（强化信号）函数值最大。
长按/截图保存，微信识别二维码
或者关注公众号“华为云”
您即将访问非华为云网站，请注意账号财产安全
