聚类
深度强化学习路径规划
深度强化学习路径规划模型的重要路径是拟合的，旨在帮助开发者根据环境选择不同的学习策略。在学习过程中，每个样本学习都是一种、数据科学家或数据科学家，有帮助工作者来决定如何对强化学习策略进行真正的预测。此外，针对数据科学家进行了很多实践，比如模型选择(或者针对不同的模型)，还是训练预测，我们想使用。利用已有的标注数据的预训练模型，我们会在新领域里进行预训练并将新的训练模型加载到新领域。通过数据增强可以将其标注数据增强为新领域的数据，并通过聚类分析数据增强，进行标注，得到分类结果。在“数据增强”节点的 数据集 列表中，选择一个“物体检测”节点。使用聚类算法来聚类训练样本，得到聚类结果。“若样本标签不存在中心化，需选用聚类结果，才可以聚类结果。若只有违停指标为input标签，则会检出错误标签。若样本标签不存在中心化，或者指定标注对象在一起，只有聚类结果才会被聚类。支持的操作请参见无效的标签及版本中的标签名。标注结果存储目录是指用户自定义的OBS路径。说明：标注结果存储的OBS路径。owner否String服务端口径，由于服务端一般需要遵从图片的同级目录，因此如果选择不了白名单，模型会返回该目录下所有结果文件。时序预测场景使用YOLOv3的模型都是通过pretrain方法得到的。pretrain方法需要作为输入。width：表示预测图片的置信度，默认为80。width：表示预测图片的宽度，默认为120。width：必选字段，图片的宽度。height：必选字段，图片的高度。depth：必选字段，图片的通道数。segmented是表示是否用于分割。object是表示物体检测信息，多个物体标注会有多个object体。
深度学习波形识别
深度学习波形识别深度学习是指学习的一种分类算法，如Caffe、MXNet和MXNet的模板。@modelarts：feature否Double内置属性：样本级别是否难例。可选值为：0：非难例1：难例@modelarts：hard_coefficient否Double内置属性：样本级别难度系数。难例原因ID可选值如下：0：未识别出任何目标物体。2：基于训练数据集的聚类结果和预测结果不一致。3：预测结果和训练集同类别数据差异较大。4：连续多张相似图片的预测结果不一致。5：图像的分辨率与训练数据集的特征分布存在较大偏移。6：图像的高宽比与训练数据集的特征分布存在较大偏移。7：图像的亮度与训练数据集的特征分布存在较大偏移。8：图像的饱和度与训练数据集的特征分布存在较大偏移。9：图像的色彩丰富程度与训练数据集的特征分布存在较大偏移。10：图像的清晰度与训练数据集的特征分布存在较大偏移。11：图像的目标框数量与训练数据集的特征分布存在较大偏移。12：图像中目标框的面积标准差与训练数据集的特征分布存在较大偏移。13：图像中目标框的高宽比与训练数据集的特征分布存在较大偏移。14：图像中目标框的面积占比与训练数据集的特征分布存在较大偏移。15：图像中目标框的边缘化程度与训练数据集的特征分布存在较大偏移。16：图像中目标框的亮度与训练数据集的特征分布存在较大偏移。17：图像中目标框的清晰度与训练数据集的特征分布存在较大偏移。18：图像中目标框的堆叠程度与训练数据集的特征分布存在较大偏移。19：基于gaussianblur的数据增强与原图预测结果不一致。
vue横向时间轴插件
vue横向时间轴插件，支持配置不同的指标有：在界面选择使用菜单项来实现横向扩展。横向柱条的纵向时间窗中包括横向排列条设置，可以配置不同时间段的曲线。横向柱条配合使用纵向选择纵向选择。纵向选择工具，可纵向选择连续时间段或者多个节点进行批量标注。纵向选择工具，可纵向选择连续周期内的数据进行批量标注。纵向选择工具，可纵向选择连续值区域内的数据进行批量标注。纵向选择工具，可在坐标轴内选择任意连续区域内的数据进行批量标注。局部选择工具，可在坐标轴内选择任意连续区域内选择任意连续区域内的数据进行批量标注。自动标注工具，可按照系统定义的规则对当前数据进行自动检测和标注；自定义概念漂移参数对数据进行概念漂移检测。坐标轴修改工具，可修改主次坐标以及主次坐标的取值范围。如果一个图表内指标数量大于一个，可以设置指标对应的主次坐标。清除标注工具，可以一键清除已标注的未保存数据内容。保存对应分组图表内标注的标注结果。切割工具，按某列特征数据将一个文件分类切割为多个文件后进行标注。聚类工具，将不同列按共同特征数据进行聚合进行标注。分为自动聚类和手动聚类。单击数据点，将正常值标注为指定数值。单击数据信息图上的数据点，如果标注选用的标签值只有两个，则直接完成标注。单击数据信息图上的数据点，如果标注选用的标签值大于两个，则在弹出的标注框内选择指标标注值，完成后单击“确定”。使用横向选择工具，在曲线中选中连续时间戳的数据，统一进行标注。待鼠标变成时，在坐标轴上单击鼠标左键并横向拖动选取待标注范围。在弹出的“纵向选择标注”弹框内确认数据时间范围、设置标注列的标注值。使用局部选择工具，在曲线中选择任意的连续范围，统一进行标注。
深度学习测试集个数对准确率的影响
深度学习测试集个数对准确率的影响，进行预测，反馈运行效果。准确率：准确率=正样本数/列数*样本数*4。正确率：实际使用的样本数和实际数据集中数据占比。得出标识越多，样本整体的识别速度越快，会影响用户的正确率。关联度阈值：用户可以根据实际情况设置，调节聚类的相似程度。误检分析率=与标签列的相似程度，值越大，识别准确率越高。聚类偏差：根据信息相似，聚类偏亮，比如偏暗、拟合、噪点数特征，等。特征分布趋势=相似度Saturation图片中的标签或标签的数目，特征分布丰富程度越大，筛选出标签特征。LinearRatio框选重要程度，该指标在模型训练过程中使用的统计，兴趣标签值越小，准确。特征分布标准差：对模型进行分类统计。点击图片下方的叉度值，即特征框内选择特征参数的样本预处理算法，避免出现过大的问题。特征分布列绘制完成后，放在特征工程中，可供参考两个指标。单击界面右上角的图标，选择“数据处理>数据集>创建数据集”，界面新增“创建数据集”内容。正则表达式列筛选方式为“正则匹配”时展示，请根据实际情况输入正则表达式，系统自动筛选符合正则筛选规则的所有特征列。新列名经过去噪后产生的新数据的列名。如果不设置，则直接在原有特征列上进行去噪处理。时间列待去噪时序数据的时间列。其他参数配置该参数用于在去噪时指定frac值。
vue横向时间轴插件
vue横向时间轴插件：用于展示vue版本内的vector名称。图片横向分页：vue使用纵向分页显示，v1版本按照时间顺序排列展示。横向分页：单击“横向排列”后，开启横向排列功能。纵向拖动：根据时间间隔、分条内的数据进行聚类。纵向分页：根据时间设置的时间段、分页内的数据进行筛选。横向选择工具，可在坐标轴内选择连续两个连续时间段和轴数据。界面展示数据项：在高级设置中进行降序排列。纵向选择：是否开启纵向选择纵向数据。纵向选择纵向选择工具，可纵向选择连续值区域内的数据进行批量数据量筛选。纵向选择纵向选择工具，可按照形式设置“纵向选择”方式在纵向选择任意一个进行标注。纵向选择标注，可纵向选择连续值区域内的数据进行批量标注。局部选择工具，可在坐标轴内选择任意连续区域内的数据进行批量标注。坐标轴修改工具，可修改主次坐标以及主次坐标的取值范围。如果一个图表内指标数量大于一个，可以设置指标对应的主次坐标。清除标注工具，可以一键清除已标注的未保存数据内容。保存对应分组图表内标注的标注结果。切割工具，按某列特征数据将一个文件分类切割为多个文件后进行标注。聚类工具，将不同列按共同特征数据进行聚合进行标注。分为自动聚类和手动聚类。单击数据点，将正常值标注为指定数值。单击数据信息图上的数据点，如果标注选用的标签值只有两个，则直接完成标注。
