018-时间序列组件 - BML 全功能AI开发平台 | 百度智能云文档
018-时间序列组件 时间序列组件 ARIMA ARIMA(Autoregressive Integrated Moving Average)差分自回归移动平均模型，时间序列预测分析方法之一。 ARIMA(p,d,q)中，AR是自回归，p为自回归项数；MA为移动平均，q为移动平均项数，d为使之成为平稳序列所做的差分次数(阶数)。 输入 输入一个数据集，需要指定排序列、数值列。 排序列为对时间序列进
002-数据集组件 - BML 全功能AI开发平台 | 百度智能云文档
002-数据集组件 数据集组件 数据集 导入用户在EasyData中创建的数据集中的数据。 输入 选择平台上的数据集。要求为“ 1、数据集数据量不为0；2、数据集状态非智能标注中，非导入中；3、数据集需为2022年7月15日后创建。 ” 输出 输出是选择的数据集。
公有云部署简介 - BML 全功能AI开发平台 | 百度智能云文档
公有云部署简介 公有云部署即将模型中的模型部署为在线服务，从而以REST API的方式提供推理预测能力。 公有云部署概要 模型仓库中的模型与公有云部署即在线服务是一一对应的关系，即模型仓库中一个模型包含多个版本时，这些不同的版本只能部署到同一个在线服务中。 在线服务当前仅允许一个模型版本处于上线状态，若上线时有其它模型版本在线，则会将当前版本下线并上线新的版本。 对于在线的模型版本，可以执行扩缩容
003-数据处理组件 - BML 全功能AI开发平台 | 百度智能云文档
003-数据处理组件 数据处理 SMOTE过采样 SMOTE算法的基本思想就是采用KNN技术对少数类别样本进行分析和模拟，并将人工模拟的新样本添加到数据集中，进而使原始数据中的类别不再严重失衡。 输入 输入一个数据集。 填写过采样率、过采样依赖的标签列与过采样标签。 输出 SMOTE过采样后的数据集。 算子参数 参数名称 是否必选 参数描述 默认值 过采样率 是 过采样扩充的样本数占当前该标签样本
创建数据集并导入 - EasyDL零门槛AI开发平台 | 百度智能云文档
数据分布 训练集文本需要和实际场景要识别的文本环境一致 考虑实际应用场景的种种可能性，每个分类的文本需要覆盖实际场景里面存在的可能性，训练集若能覆盖的场景越多，模型的泛化能力则越强 可能的疑问 如果训练文本数据无法全部覆盖实际场景要识别的文本，怎么办？ 答：训练的模型算法会有一定的泛化能力，尽可能覆盖即可。
创建开发机 - 百舸异构计算平台AIHC | 百度智能云文档
创建开发机 开发机是百舸平台为开发者提供的在线编译、调试代码和模型开发的模块。开发机支持使用 WebIDE 在线开发，或通过 SSH 连接开发机远程开发，也提供了持久化的共享文件系统用于存储开发中的数据。开发机在关机后，平台会释放开发机的算力，通过备份开发机可以保存之前的操作、下载的数据和配置环境等。
智能边缘控制台-单节点版 - EasyDL零门槛AI开发平台 | 百度智能云文档
cudaVersion : 10.2 # AI服务启动时，额外配置的 LD_LIBRARY_PATH(linux) 或者 PATH(windows) libPath : ./ # AI服务启动时，额外配置的其他环境变量。
智能边缘控制台-单节点版 - EasyDL零门槛AI开发平台 | 百度智能云文档
cudaVersion : 10.2 # AI服务启动时，额外配置的 LD_LIBRARY_PATH(linux) 或者 PATH(windows) libPath : ./ # AI服务启动时，额外配置的其他环境变量。
文本智能标注介绍及原理说明 - BML 全功能AI开发平台 | 百度智能云文档
五、文本智能标注原理说明 训练模型过程中，通常需要经历数据集准备（标注）、任务网络配置开发、模型的训练和部署等重要过程。很多时候，模型训练在数据准备阶段遇到数据量不足的问题，使模型开发过程迟迟不能启动。 平台推出的文本智能标注功能，目标是通过少量的已标注数据样本，来获得大规模的智能标注数据，通过减少人工逐一校验的工作，使用智能标注数据来训练小型网络模型，以获得效果和性能更优的模型预测服务。
调用API - EasyDL零门槛AI开发平台 | 百度智能云文档
最大长度512个字符（包括汉字、字母、数字和符号） 返回说明 返回参数 字段 是否必选 类型 说明 log_id 是 number 唯一的log id，用于问题定位 score 是 number 文本相似度，值的范围[0,1]，相似度递增 在线调试 EasyDL零基础开发平台提供了 示例代码中心(API调试平台)-示例代码 ，用于帮助开发者在线调试接口，查看在线调用的请求内容和返回结果、复制和下载示例代码等功能
