人工智能平台PAI

征文大赛奖品丰厚

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 />

心脏病自传数据预测<br />数据源:<br />数据大小:5.88 KB<br />字段数量:14<br />使用组件:读数据表<br />

一步一步跟着阿里云首页教程做的雾霾预测，仅供自己纪念<br />数据源:http://docs-aliyun.cn-hangzhou.oss.aliyun-inc.com/assets/attach/49128/cn_zh/1483609721415/wumai.txt?spm=a2c0j.8278987.630153.1.71450e96AdJhun&file=wumai.txt<br />数据大小:37.3 KB<br />字段数量:7<br />使用组件:读数据表,类型转换,SQL脚本,归一化,拆分<br />

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 />

test<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<br />数据源:test<br />数据大小:37.3 KB<br />字段数量:7<br />使用组件:读数据表,类型转换,SQL脚本,归一化,拆分<br />

测试测试<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,读数据表,评分卡预测,评分卡训练,拆分,样本稳定指数(PSI)<br />

asdfsadf eee<br />数据源:<br />数据大小:328 KB<br />字段数量:4<br />使用组件:读数据表,SQL脚本,JOIN,过滤与映射<br />

机器学习PAI通过声音数据分辨男女（含语音特征提取相关数据和代码）

0925_信用卡消费分析_215<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 />

流控流控流控流控<br />数据源:<br />数据大小:261 KB<br />字段数量:3<br />使用组件:读数据表,类型转换,过滤与映射,增加序号列,合并列<br />

本人小白，初次学习PAI,欢迎和大家一起交流学习这个PAI学习。阿里API直播课程的“手把手在线直播实操：机器学习PAI教你如何品酒”，我这边也就是学习一下。<br />数据源:<br />数据大小:96.1 KB<br />字段数量:12<br />使用组件:归一化,拆分,SQL脚本,读数据表<br />

通过ＧＢＤＴ生成的特征与原始特征进行ｍｅｒｇｅ，然后通过ＬＲ做回归。<br />数据源:<br />数据大小:770 KB<br />字段数量:20<br />使用组件:Table to KV,SQL脚本,拆分,读数据表,特征编码,增加序号列<br />

GBDT 与LR 算法融合，将生成的特征与原始特征进行merge<br />数据源:<br />数据大小:770 KB<br />字段数量:20<br />使用组件:Table to KV,SQL脚本,拆分,读数据表,特征编码,增加序号列<br />

asdf<br />数据源:adsf<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 />

asdf<br />数据源:asdf<br />数据大小:328 KB<br />字段数量:4<br />使用组件:Filter and Mapping,JOIN,Read ODPS table,SQL Script<br />

asdf<br />数据源:adsf<br />数据大小:328 KB<br />字段数量:4<br />使用组件:Filter and Mapping,JOIN,Read ODPS table,SQL Script<br />

亲爱的同学们，福利来临！随着机器学习领域的发展越来越火，阿里云机器学习PAI为广大机器学习爱好的学生提供免费的一站式算法平台，该平台提供上百种算法，并且兼容TensorFlow、Caffe、MXNET等深度学习框架，学生们还可以免费使用M40 GPU卡，这么好的福利到哪里去领呢？ 点击开通机器学习PAI：https://data.

test<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,过滤式特征选择,SQL脚本,读数据表,类型转换<br />

第一次尝试 LR<br />数据源:<br />数据大小:770 KB<br />字段数量:20<br />使用组件:拆分,读数据表,特征编码<br />

基于CTR的GBDT和LR方法融合<br />数据源:直播提供数据<br />数据大小:770 KB<br />字段数量:20<br />使用组件:拆分,读数据表,特征编码<br />

GBDT+LR 融合方案<br />数据源:<br />数据大小:1.54 MB<br />字段数量:20<br />使用组件:拆分,读数据表,特征编码<br />

实现GBDT与LR的融合<br />数据源:<br />数据大小:1.54 MB<br />字段数量:20<br />使用组件:拆分,读数据表,特征编码<br />

实践分享：CTR中的GBDT+LR融合方案<br />数据源:internet<br />数据大小:770 KB<br />字段数量:20<br />使用组件:拆分,读数据表,特征编码<br />

实战分享：CTR中的GBDT+LR融合方案<br />数据源:internet<br />数据大小:770 KB<br />字段数量:20<br />使用组件:拆分,读数据表,特征编码<br />

CTR中的GBDT+LR融合方案<br />数据源:internet<br />数据大小:770 KB<br />字段数量:20<br />使用组件:拆分,读数据表,特征编码<br />

融合方案<br />数据源:<br />数据大小:770 KB<br />字段数量:20<br />使用组件:拆分,读数据表,特征编码<br />

CTR中的GBDT+LR融合方案<br />数据源:<br />数据大小:770 KB<br />字段数量:20<br />使用组件:拆分,读数据表,特征编码<br />

在广告点击机器学习实践中， 我们用的最多的是逻辑回归（LR）模型，使用大量的特征做为训练数据输入。 特征的组合非常关键，我们无法穷举这些组合，只能依赖于人工经验来判断，耗时耗力同时带来的效果可能还不好。 如何自动的发现有效的特征，是机器学习实践中要解决的问题。 Facebook 曾经介绍了使用GBDT与LR组合的方法，可以有效的解决这个问题，今天的课程就为大家讲解如何在PAI上实现GBDT与LR的融合。<br />数据源:<br />数据大小:770 KB<br />字段数量:20<br />使用组件:拆分,读数据表,特征编码<br />

文本分析实验<br />数据源:<br />数据大小:261 KB<br />字段数量:3<br />使用组件:拆分,SQL脚本,读数据表,JOIN,增加序号列,类型转换,合并列<br />

文本分类实验<br />数据源:<br />数据大小:261 KB<br />字段数量:3<br />使用组件:拆分,SQL脚本,读数据表,JOIN,增加序号列,类型转换,合并列<br />

在 PAI 平台上使用组件完成文本分类任务<br />数据源:Internet<br />数据大小:94.6 KB<br />字段数量:3<br />使用组件:拆分,SQL脚本,读数据表,JOIN,增加序号列,类型转换,合并列<br />

根据https://tianchi.aliyun.com/competition/new_articleDetail.html?postsId=2089傲海的机器学习PAI教你如何品酒进行PAI平台的操作学习<br />数据源:酒质量评估数据，12个字段，4000多样本，1-11为特征，单位可能为毫米、立方米，量纲不一致，可能需要归一化去除影响。目标列为酒的质量，分数0-10分，分数越高，酒的质量越好<br />数据大小:96.1 KB<br />字段数量:12<br />使用组件:归一化,拆分,SQL脚本,读数据表<br />

对所有用户购买商品的行为和购买的商品做出统计，使用协同过滤算法进行操作，最后统计出用户和商品之间的关系，基于二者的关系进行商品推荐<br />数据源:虚拟测试数据<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 />

中国青年报原文链接：http://zqb.cyol.com/html/2017-07/28/nw.D110000zgqnb_20170728_2-06.htm 燕山大学信息科学与技术专业出身的95后大学生谭创创，没想到自己会与阿尔茨海默症（俗称“老年痴呆症”）为“敌”。

利用机器学习PAI对酒水数据分类<br />数据源:酒水数据<br />数据大小:192 KB<br />字段数量:12<br />使用组件:归一化,主成分分析(PCA),拆分,SQL脚本,读数据表<br />

随着人工智能相关产业的持续火热，越来越多的同学开始尝试使用机器学习算法去解决问题。阿里云机器学习PAI平台作为人工智能行业的黑产物，每天都会收到用户们大量的咨询。为了更好地服务PAI平台的用户，同时也为了缓解售后同学的工作量。

GBDT<br />数据源:<br />数据大小:7.49 KB<br />字段数量:15<br />使用组件:拆分,SQL脚本,读数据表,标准化,类型转换<br />

本文主要以阿里云大航杯“智造扬中”电力AI大赛 数据为背景，讲述博主自己的比赛经历以及数加平台和机器学习pai的使用经验

背景 最近互联网上出现一个热词就是“freestyle”，源于一个比拼rap的综艺节目。在节目中需要大量考验选手的freestyle能力，freestyle指的是rapper即兴的根据一段主题讲一串rap。

农业数据挖掘<br />数据源:<br />数据大小:3.41 KB<br />字段数量:10<br />使用组件:SQL脚本,读数据表,模型<br />

根据用户画像、交易行为和商品特征，用户智能推荐的方式帮助用户找到最合适的商品<br />数据源:用户数据、交易数据、商品数据<br />数据大小:184 KB<br />字段数量:4<br />使用组件:归一化,过滤与映射,SQL脚本,缺失值填充,读数据表,JOIN,类型转换<br />

基于用户画像和消费行为的商品推荐<br />数据源:购物数据<br />数据大小:184 KB<br />字段数量:4<br />使用组件:归一化,过滤与映射,SQL脚本,缺失值填充,读数据表,JOIN,类型转换<br />

电力<br />数据源:<br />数据大小:5.97 KB<br />字段数量:8<br />使用组件:写数据表,读数据表<br />

管网压力预测<br />数据源:<br />数据大小:37.3 KB<br />字段数量:7<br />使用组件:归一化,拆分,SQL脚本,读数据表,类型转换<br />

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 />

机器学习算法基于信用卡消费记录做信用评分 背景 如果你是做互联网金融的，那么一定听说过评分卡。评分卡是信用风险评估领域常用的建模方法，评分卡并不简单对应于某一种机器学习算法，而是一种通用的建模框架，将原始数据通过分箱后进行特征工程变换，继而应用于线性模型进行建模的一种方法。