检测到您已登录华为云国际站账号,为了您更好的体验,建议您访问国际站服务网站 https://www.huaweicloud.com/intl/zh-cn
不再显示此消息
离线排序作业名称(在线训练任务需要提供此参数)。 update_interval Integer 更新周期(在线训练任务需要提供此参数)。 optimizer Optimizer object 优化器(在线训练任务需要提供此参数)。 flows Flow object 在线流程(在线训练任务需要提供此参数)。
nearline 否 String 实时计算规格。 rank 否 String 深度学习计算规格。 online_tps 否 Integer 在线服务最大并发数。 响应参数 状态码: 200 表6 响应Body参数 参数 参数类型 描述 is_success Boolean 是否成功。
nearline 否 String 实时计算规格。 rank 否 String 深度学习计算规格。 online_tps 否 Integer 在线服务最大并发数。 响应参数 状态码: 200 表10 响应Body参数 参数 参数类型 描述 is_success Boolean 是否成功。
离线计算规格。 nearline String 实时计算规格。 rank String 深度学习计算规格。 online_tps Integer 在线服务最大并发数。 请求示例 查询场景详情 /v2.0/testuuidxxxxxxxxxxxxxxxxxxxxxxxx/workspace
nearline 否 String 实时计算规格。 rank 否 String 深度学习计算规格。 online_tps 否 Integer 在线服务最大并发数。 表5 DataConfig 参数 是否必选 参数类型 描述 offline 是 Offline object 离线计算规格。
nearline 否 String 实时计算规格。 rank 否 String 深度学习计算规格。 online_tps 否 Integer 在线服务最大并发数。 响应参数 状态码: 200 表7 响应Body参数 参数 参数类型 描述 is_success Boolean 是否成功。
从右侧下拉框中选择RES系统中已有的数据源。当无可用数据源时,此下拉框为空。 描述 对于该场景的描述信息。 场景规格 - 选择离线计算、实时计算、排序模型训练规格和在线并发数。 个性化配置 匹配特征对 匹配用户和物品特征,以便于筛选出该用户相关联的物品进行推荐。 用户特征名:从下拉框中选择目标用户特征用于和物品特征进行匹配。
有排序服务正在运行,无法修改排序模型训练规格 请检查是否有排序服务正在运行。 400 RES.1206 Datasource Error 有在线服务正在运行,无法修改在线并发规格 请检查是否有在线服务正在运行。 400 RES.3004 Basic Error 数据库资源模型配置出错 请联系管理员检查数据库模型配置。
离线计算规格。 nearline String 实时计算规格。 rank String 深度学习计算规格。 online_tps Integer 在线服务最大并发数。 请求示例 查询当前工作空间下的场景列表 /v2.0/testuuidxxxxxxxxxxxxxxxxxxxxxxxx/w
离线计算规格。 nearline String 实时计算规格。 rank String 深度学习计算规格。 online_tps Integer 在线服务最大并发数。 请求示例 查询当前工作空间下的数据源 /v2.0/testuuidxxxxxxxxxxxxxxxxxxxxxxxx/wo
您可以前往召回策略列表,查看作业的基本情况。在作业列表中,刚创建的作业“状态”为“计算中”,当作业“状态”变为“计算成功”时,表示作业运行结束,生成的候选集ID将使用于在线服务,为用户生成推荐列表。当作业“状态”变为“计算失败”时,您可以单击作业的名称,进入详情页面,通过查看日志等手段处理问题。 基于特定行为热度推荐
从右侧下拉框中选择RES系统中已有的数据源。当无可用数据源时,此下拉框为空。 描述 对于该场景的描述信息。 场景规格 - 选择离线计算、实时计算、排序模型训练规格和在线并发数。 个性化配置 匹配特征对 匹配用户和物品特征,以便于筛选出该用户相关联的物品进行推荐。 用户特征名:从下拉框中选择目标用户特征用于和物品特征进行匹配。
否 traceId String 用于追踪每个被推荐物品的唯一ID。用于推荐效果的计算。 否 flowId String 用于计算每一个在线服务的效果。flowId由推荐系统的API返回给用户,用户需把flowId写到用户行为日志中。 否 实时行为日志示例 { "userId":
每个算法有其各自的参数列表,包括初始化、最优化、正则项等参数。 逻辑斯蒂回归算法是一种广义的线性回归分析模型,常用于数据挖掘、疾病自动诊断、经济预测等领域。逻辑斯蒂回归算法通过在线性回归的基础上叠加一个sigmoid激活函数将输出值映射到[0,1]之间,是机器学习领域里常用的二分类算法。LR算法参数请参见逻辑斯蒂回归。
job_description 否 String 作业描述,最大长度256字符。 online_services 是 List 需要进行效果评估的在线服务; indicators 是 List 请参见表3,需要统计的指标列表及其对应的参数。 start_time 是 Long 被统计数据的起始时间戳。
ID,用于场景维度的区分。 否 traceId String 用于追踪每个被推荐物品的唯一ID。用于推荐效果的计算。 否 flowId String 用于计算每一个在线服务的效果。flowId由推荐系统的API返回给用户,用户需把flowId写到用户行为日志中。 否 数据示例 单击下载样例数据,将样例数据下载至本地
00E-08。 学习率(learning_rate) 是 Double 决定优化器在优化方向上前进步长的参数。取值范围(0,1],默认值为0.001。 在线学习(ftrl) 初始梯度累加和 (initial_accumulator_value) 是 Double 用来动态调整学习步长。取值范围(0