# 人工智能平台 PAI #
1
关注
4198内容
心脏病预测案例_1480
贷款发放<br />数据源:<br />数据大小:7.49 KB<br />字段数量:15<br />使用组件:归一化,拆分,SQL脚本,读数据表,类型转换<br />
testdate
股票<br />数据源:pufa<br />数据大小:12.4 KB<br />字段数量:6<br />使用组件:读数据表,SQL脚本<br />
【推荐算法】商品推荐_1652
测试<br />数据源:<br />数据大小:328 KB<br />字段数量:4<br />使用组件:过滤与映射,SQL脚本,读数据表,JOIN<br />
test_multiEvaluation
多分类评估<br />数据源:多分类评估<br />数据大小:779 KB<br />字段数量:42<br />使用组件:读数据表<br />
人口普查统计案例_3584
这是一个测试 请删掉<br />数据源:<br />数据大小:584 KB<br />字段数量:15<br />使用组件:读数据表,SQL脚本,过滤与映射<br />
原来GNN这么好上手，OMG！用它！
GraphLearn（GL）是阿里巴巴开源的一个大规模图神经网络平台，本文将对GL的接口做基本介绍，帮助用户快速上手。项目地址：https://github.com/alibaba/graph-learn 。
【评分卡】信用卡消费分析_209
test<br />数据源:<br />数据大小:1.36 MB<br />字段数量:25<br />使用组件:分箱,样本稳定指数(PSI),评分卡训练,拆分,评分卡预测,读数据表<br />
|
【推荐解决方案四部曲】请查收——第三部：基于深度学习模型Wide&Deep的推荐
Wide&Deep推荐算法出自一篇论文《Wide&Deep Learning for RecommenderSystems》，Wide&Deep由两部分组成，分别是Wide和Deep。先来说wide，表示的是generalized的推荐系统，传统的推荐系统都是通过线性算法基于离散特征来做推荐的。
免费试用