作者小头像 Lv.3
更多个人资料
308 成长值
0 关注
8 粉丝
+ 关注 私信

个人介绍

这个人很懒，什么都没有留下

感兴趣或擅长的领域

人工智能
个人勋章
TA还没获得勋章~
成长雷达
290
3
0
15
0

个人资料

个人介绍

这个人很懒，什么都没有留下

感兴趣或擅长的领域

人工智能

达成规则

以上满足项可达成此勋章

  • 博客
  • 关注
  • 粉丝
  • 论坛
全部时间
全部时间
最近三天
最近一周
最近一月
  • 全部
  • 暂无专栏分类
如何获取之前训练任务的结果
如果之前的训练任务为test-12345，模型文件job.pkl存放在output目录下。获取方法如下：import moxing as mox import os from naie.context import Context mox.file.copy(os.path.join(Context.get_job_path("test-12345"), "output/job...
机器学习
作者小头像 就挺突然 2021-07-30 01:02:44
8088
0
0
2021-07-30 01:02:44
999+
0
0
时序数据分析——异常检测
时序数据的异常点是指序列中存在模式不一致的点（如时序数据超出正常范围的上/下界，突然的上升或下降，趋势改变）。时序数据的异常检测旨在快速准确的找到这些异常点。代码块导入在NAIE训练平台的JupyterLab界面操作，不需要手动添加这一部分，因为在新创建的特征工程下已经包含了导入代码。import os os.chdir("/home/ma-user/work/test_ano...
数据挖掘
作者小头像 就挺突然 2021-07-30 01:02:23
8777
0
0
2021-07-30 01:02:23
999+
0
0
概念漂移自适应阈值
定义：概念漂移自适应阈值即非人为指定阈值，而是根据具体数据通过算法求解出来最佳值，用于判断是否发生漂移，其大小影响漂移检测的敏感度适用场景：同一业务线，包含多种数据类型，每种数据类型的最佳阈值不同，人工调测出阈值不实际。先对所有数据进行时序聚类，针对聚类后的每一簇数据，取其中部分数据进行概念漂移标注求解出最佳阈值，将此最佳阈值应用于本簇中的所有数据。自适应阈值求解给定包含概念漂...
Python
作者小头像 就挺突然 2021-07-30 01:02:16
8358
0
0
2021-07-30 01:02:16
999+
0
0
根因分析——KPI根因关联分析检测
from naie.rca import KpiCorrDetector, BaseSettings, DataInfo, AdvanceSettings from naie.datasets import data_reference from naie.context import Context as context根据数据集名称创建DataReference对象data...
作者小头像 就挺突然 2021-07-30 01:02:07
7953
0
0
2021-07-30 01:02:07
999+
0
0
NAIE SDK帮助文档汇总
总览网络人工智能园地：AutoML 基础教程网络人工智能园地：AutoML 进阶教程网络人工智能园地：AutoML场景应用——分类应用网络人工智能园地：AutoML场景应用——回归应用网络人工智能园地：AutoML场景应用——时序分类应用网络人工智能园地：AutoML场景应用——时序预测应用网络人工智能园地：在JupyterLab中运行AutoML网络人工智能园地：AutoDL...
API/SDK 网络
作者小头像 就挺突然 2021-07-30 01:01:57
8784
0
0
2021-07-30 01:01:57
999+
0
0
如何停止NAIE训练平台上运行中任务
NAIE平台在比赛期间提供免费的资源，比赛结束之后如果需要继续使用平台的话会计费，所以比赛结束之后需要停止运行中的任务，包括：训练任务、特征工程、WebIDE、Notebook。1、训练任务进入项目，点击上方“模型训练”菜单，可以看到算法列表，每个算法都要进去查看下是否有运行中的任务，点击进入一个算法，可以看到任务列表，现在RUNNING状态的任务，见下图红框，然后停止任务。2...
机器学习
作者小头像 就挺突然 2021-07-30 01:01:29
7801
0
0
2021-07-30 01:01:29
999+
0
0
时序数据分析——周期性-平稳性检验
时间序列分析，即输入特征都是与时间相关的数据，同时需要考虑周期、趋势、节假日、突变等因素，通过一些手段来分析时间序列的特点，发现其中的变化规律，并用于预测未来时序数据的统计技术。分析时间序列，进行合理预测，做到提前掌握未来的发展趋势，为业务决策提供依据，这也是决策科学化的前提。代码块导入在NAIE训练平台的JupyterLab界面操作时，不需要手动添加这一部分，因为在新创建的特...
数据挖掘
作者小头像 就挺突然 2021-07-29 01:20:22
12342
0
0
2021-07-29 01:20:22
999+
0
0
超参优化算法——BO-SMAC
方法描述SMAC(Sequential Model-Based Optimization forGeneral Algorithm Configuration)是一种基于模型的序贯优化方法(SMBO, Sequential Model-Based Optimization). 该算法:采用随机森林模型(RF, Random Forest)建立代理模型.用每棵子树的输出计算均值,...
macOS
作者小头像 就挺突然 2021-06-10 01:27:30
9706
0
0
2021-06-10 01:27:30
999+
0
0
超参优化算法——BO-GP
方法描述GP(Gaussian process)是一种基于模型的序贯优化方法(SMBO, Sequential Model-Based Optimization). 该算法:采用高斯过程模型(GP, Gauss Process)建立代理模型.高斯过程模型会自动拟合样本点并输出均值, 方差.采用EI(expected improvement)或者TS(Thompson Sampl...
性能测试 CodeArts PerfTest
作者小头像 就挺突然 2021-06-10 01:14:10
9473
0
0
2021-06-10 01:14:10
999+
0
0
超参优化算法——RANDOM
方法描述随机搜索(Random Search)是一种朴素的搜索方法.该方法用随机采样的方式生成数据点.方法特性由于完全随机, 随机搜索效果并不稳定, 但也不会陷入最优.当不对随机搜索次数做限制时, 会产生令人意想不到的效果.随机搜索与网格搜索的对比可参考论文​www.jmlr.org.
作者小头像 就挺突然 2021-06-09 01:59:26
7745
0
0
2021-06-09 01:59:26
999+
0
0
总条数：57
10
10
20
50
100
  • 1
  • 2
  • 3
  • 4
  • 5
  • 6

上滑加载中

https://www.baidu.com/s?ie=utf-8&f=3&rsv_bp=0&rsv_idx=1&tn=baidu&wd=sed%20%E6%9B%BF%E6%8D%A2%E5%AD%97%E7%AC%A6%E4%B8%B2&rsv_pq=c7db61a600035dc5&rsv_t=5e19yEsbV9N5fIvdlGRU
作者小头像
作者小头像
快速交付
+ 关注
OSZAR »