Toggle navigation
开发者中心
产品与服务
对象存储
企业级存储
智能日志管理平台
CDN
智能多媒体服务
直播云
实时音视频
SSL 证书服务
云主机
专有云计算
内容审核
视频监控
云短信
机器数据分析平台
边缘加速
即时通讯
互动白板
号码认证服务
全站加速
低代码
容器轻应用平台
SDK & 工具
官方 SDK
社区 SDK
开发者工具
社区插件
解决方案
FAQ
技术支持
官网
管理控制台
更多
官网
管理控制台
SDK & 工具
解决方案
输入搜索的关键字
技术支持
退出当前帐号
登录
注册
机器数据分析平台
使用文档
产品概述
版本说明
产品主页
数据采集
文件上传
监控上传
机器管理
文件及目录采集
脚本采集
仓库管理
仓库命名规范
全文索引及分词器
数据生命周期管理
来源类型
字段管理
系统字段
字段提取
固定分隔符解析
正则表达式解析
JSON 解析
键值对解析
XML解析
字段加速
字段加速配置
数据脱敏
搜索手册
交互式搜索
外部数据库
搜索模式
字段别名
搜索结果导出
搜索任务管理
字段查找
字段查找表文件
字段查找规则
搜索宏
搜索宏示例
报表
功能简介
报表管理
数据集
功能概览
使用指南
可视化手册
数据可视化概述
仪表盘
模板变量
仪表盘下钻
可视化图表
可视化图表简介
数据表
网格表
树状表
折线图
折线图
面积图
柱形图
柱形图
条形图
组合图
簇状柱形图+折线图
簇状柱形图+次坐标轴上的折线图
散点图
散点图
气泡图
饼图
分组饼图
指标饼图
旭日图
指标图
单指标图
单值图
仪表单值图
占比图
多指标图
状态矩阵
指标看板
地图
色彩地图
气泡地图
经纬地图
经纬地图(气泡)
经纬地图(路径)
关系图
桑基图
关系图
迁徙图
其他类图表
雷达图
时间轴
富文本
异常检测图
胶囊柱图
仪表盘订阅
订阅任务管理
运行记录管理
告警
事件审查
告警规则
告警配置
告警级别
告警触发操作
告警通知内容
聚合规则
告警示例
SPL参考手册
字段处理
addinfo
eval
bin
convert
fields
filldown
iplocation
jsonpath
makemv
makeresults
mvcombine
mvexpand
rename
replace
rex
search
where
xmlpath
统计分析
addtotals
accum
compare timeshift
chart
movingavg
rare
sparkline
stats
streamstats
timechart
top
eventstats
关联分析命令
append
from
join
lookup
transaction
排序与限制
dedup
limit
sort
搜索导出命令
export
机器学习
fit
apply
summary
train_test_split
score
用户与认证
基于角色的访问控制
自定义角色
管理知识对象权限
用户管理
访问控制
登录方式配置
账户密码登录
第三方登录
LDAP登录
CAS SSO登录
Token管理
系统设置
通知设置
外观设置
个人设置
国际化
应用平台
知识库应用
Pandora智能服务分析应用
使用手册
服务分析器
事件审查
搜索
配置
服务
服务/KPI告警
实体
服务/实体导入
标签
告警规则
告警聚合
Pandora机器学习工具包
快速入门
数据准备
通过数据集准备数据
通过SPL准备数据
模型构建
通过自定义建模构建模型
使用流程
算法及支持的SPL算子
fit的使用方法详述
预测离散指标【分类】
逻辑回归 - Logistic Regression
决策树 - Decision Tree Classifier
随机森林 - Random Forest Classifier
Gradient Boosting 分类器 - GBDT Classifier
XGBoost分类器 - XGBoost Classifier
伯努利朴素贝叶斯分类器 - BernoulliNB
高斯朴素贝叶斯分类器 - GaussianNB
多层感知机分类器 - MLPClassifier
随机梯度下降分类器 - SGDClassifier
支持向量机 - SVM
多项分布朴素贝叶斯模型 - MultinomialNB
预测连续指标【回归】
线性回归 - Linear Regression
决策树 - Decision Tree Regressor
随机森林 - Random Forest Regressor
Gradient Boosting回归树 - GBDT Regressor
XGBoost回归树 - XGBoost Regressor
ElasticNet - 弹性网络
KernelRidge - 核岭回归
Lasso - Lasso回归
Ridge - 岭回归
随机梯度下降回归 - SGDRegressor
多层感知机回归 - MLPRegressor
支持向量回归 - SVR
预测未来某个时间的连续数据【时间序列分析】
数据聚类【聚类】
K均值 - KMeans
层次聚类法 - Hierarchical Clustering
谱聚类 - Spectral Clustering
密度聚类算法 - DBSCAN
Birch聚类 - Birch
检测连续数据中的异常数据【异常值检测】
局部异常因子 - Local Outlier Factor(LOF)
一类支持向量机 - One Class SVM
孤立森林 - Isolation Forest
基于方差的鲁棒的异常检测值检测 - EllipticEnvelope
特征加工
特征筛选 - FieldSelector
核主成分分析 - KernelPCA
主成分分析 - Principal Component Analysis/PCA
TFIDF
数据预处理
数据标准化 - StandardScaler
稳健标准化 - RobustScaler
独热编码 - OneHotEncoder
标签编码 - LabelEncoder
效用函数
自相关函数 - ACF
偏自相关函数 - PACF
score的使用方式详述
分类 - Classification
准确性 - Accuracy
混淆矩阵 - Confusion Matrix
精确率 - Precision
召回率 - Recall
F-1值 - F1-score
精确率-召回率-F值-支持度 - Precision-Recall-FScore-Support
AUC值 - ROC-AUC-Score
回归 - Regression
决定系数 - R2-score
均方误差 - Mean Squared Error (MSE)
平均绝对误差 - Mean Absolute Error (MAE)
可解释方差 - Explained Variance Score
聚类 - Clustering
成对计算(Pairwise)
统计函数 - Statistical functions
描述性统计 - Describe
矩 - Moment
皮尔逊相关系数 - Pearson Correlation
斯皮尔曼等级相关系数 - Spearman Correlation
截尾均值 - Tmean
截尾 - Trim
截尾方差 - Tvar
统计检定 - Statistical testing
方差分析 - ANOVA
时间序列平稳性检验 - ADF
能量距离 - Energy distance
单样本KS检验 - one-sample KS test
双样本KS检验 - two-sample KS test
KPSS检验 - KPSS
曼-惠特尼U检验 - Mannwhitneyu
正态性检验 - Normal Test
单因素方差分析 - One-way ANOVA
单样本T检验 - One-sample T-test
独立样本T检验 - Independent T-test
配对样本T检验 - Paired T-test
Wasserstein 距离 - Wasserstein distance
Wilcoxon检验 - Wilcoxon
场景案例
案例一:波士顿房价预测
案例二:鸢尾花品种预测
案例三:泰坦尼克号乘客的幸存预测
案例四:基于CPI数据的中国大陆各省份的聚类分析
案例五:脊椎前移疾病的风险识别
案例六:航空乘客的预测
发布历史
0.14.4
0.15
0.15.1
0.14.3
0.14.2
0.14.1
0.13.1
v0.12.3
v0.10.1
v0.9.0
v0.8.1
v0.7.4
v0.7.3
v0.7.2
v0.7.1
v0.7.0
v0.6.3
v0.6.2
v0.6.1
v0.6.0
v0.5.2
v0.5.1
v0.5.0
v0.4.2
v0.4.1
v0.4.0
v0.3.2
v0.3.1
v0.3.0
v0.2.3
应用开发者文档
APP开发手册
开发步骤
创建应用
配置来源类型和提取规则
创建视图
添加导航栏
配置应用描述
生成安装包
APP开发说明
APP开发工具库
自定义页面
自定义页面开发步骤
通用自定义页面开发案例
Vue自定义页面开发案例
自定义图表
可视化APP开发步骤
配置图表展示逻辑
自定义图表样式配置表单
自定义前端组件
通用自定义组件开发案例
React 自定义组件开发案例
Vue自定义组件案例
自定义表单
自定义后端功能
自定义调度任务
自定义API
自定义算子
自定义触发操作
自定义数据存储
XML 引用
xml参考手册
root
html
row
col
input
change
condition
token
event
event-search
search
time
chart
color-splitter
operation
description
drilldown
indicator
title-font
column
color-palette
title
row
一维图表legend
y2-axis
二维图表legend
x-axis
data-font
y-axis
hide-header
visualization-search
groups
option
table-title
gauge-prefix
dashboard
layout
grid-layout
action-bar
operation-bar
view-condition
base-line
eval
dataset-module
set
pandora-module
link
micro-application
custom-component
API 文档
准备工作
接口文档
仓库管理
来源管理
数据打点
数据查询
导出任务管理
应用管理
数据存储
Token 管理
SDK 下载
服务端SDK
pdr-python-sdk
pdr_python_sdk安装指南
自定义算子开发流程
自定义API开发流程
数据存储开发流程
常见问题
机器数据分析平台
>
使用文档
>
SPL参考手册
>
机器学习
机器学习
最近更新时间: 2021-01-14 10:54:25
您可以通过SPL进行模型训练、模型应用。同时,您也可以通过SPL查看所有模型清单、删除模型。
机器学习SPL命令
描述说明
fit
使用某种机器学习算法来拟合数据,以得到某种算法模型的结果
apply
面对一组新数据,运用根据fit命令而得到的某种算法模型的结果来进行预测
score
供score算子用来做不同场景和不同数据下的模型评估
以上内容是否对您有帮助?
文档反馈
(如有产品使用问题,请
提交工单
)
提交
服务•咨询
售前
立即咨询
售后
提交工单
回到顶部
×
产品及服务咨询
提交成功!
提交失败,稍后重试!
此表单仅用于产品及服务售前咨询(您也可以拨打400-808-9176转2)
如有售后技术咨询,请
提交工单
咨询内容
*
请填写咨询内容
最多可输入255字
姓名
*
请填写姓名
公司名称
省份
*
联系电话
*
请以正确的格式填写联系电话
电子邮箱
*
请填写电子邮箱
提交