-
功能介绍
订阅的数据集。且支持在线查看代码、图片、音视频等多种格式的文件内容。 特征工程 特征工程是模型训练的必要过程,可以实现数据集的特征组合、筛选和转换,最大限度的从数据集中提取关键特征,供模型训练使用。 特征工程集成JupyterLab开发环境,提供数据探索工具,预置数据处理、模型训
来自:帮助中心 -
文档导读
训练服务简介 模型训练服务的操作流程简介及访问服务的流程 操作流程 访问训练平台 熟悉模型训练服务中数据集、特征工程、模型训练、及模型管理相关操作 项目创建 数据集 特征工程 模型训练 模型管理 在线对训练模型进行测试验证 模型验证 模型发布成服务后,在线验证模型推理效果 云端推理框架
来自:帮助中心 -
自定义场景简介
历史行为过滤等特性。支持用户在线上推理过程中完成对相关物品的过滤。 过滤规则 特征工程 特征工程常用于抽取用户、物品的特征和特定算法的特征生成,一般作为某些算法的前置输入条件。 排序策略-离线特征工程 排序策略 排序策略根据不同的算法模型对召回策略或者近线策略生成的候选集进行重排序,得到推荐候选集列表。
来自:帮助中心 -
列筛选
,可以通过列筛选完成。 列筛选操作步骤如下。 列筛选 单击特征工程操作界面的,弹出“列筛选”对话框,如图1所示。 图1 列筛选 其中,界面说明如下所示: 筛选规则名称:为即将设置的筛选规则设置名称。 筛选成功后,在特征工程操作界面可以单击图标查看筛选历史,筛选记录内的规则名即为此
来自:帮助中心 -
排序策略
-
常见问题
-
全量数据应用
-
离线作业
-
操作流程
-
产品功能
-
JupyterLab环境异常怎么处理?
-
创建自定义场景
-
用户指南
-
算法工程处理的时候必须要先采样吗?
-
数据质量
-
算法介绍及参数说明
-
数据采样
-
创建在线服务
-
RES支持哪些自定义策略?
-
项目概览
-
作业相关API