介绍Paxos算法原理
介绍Paxos算法在分布式系统中的应用
查询算法列表 接口描述 本接口用于查询算法列表。
数组每一项是一个算法的配置。这里不支持部分修改,每次需要指明全部任务的配置,不指定则默认为空配置。 +name String 是 算法英文名称 face +param Array of JSON 否 算法参数组配置,默认为空。
所有版本 在 所有版本 模式下,列表展示账号已购买的所有官方算法的所有版本,同时展示算法名称、版本号、版本描述、更新时间,并支持 查看详情 操作。 查看详情 在 查看详情 页面,展示该算法、该版本的详细信息,包含算法介绍、版本信息等。
015-图算法 图算法 FastUnfolding FastUnfolding 算法是基于模块度对社区划分的算法。FastUnfolding 算法是一种迭代的算法,主要目标是不断划分社区使得划分后的整个网络的模块度不断增大。 输入 输入数据集,包括源顶点列,目标顶点列,边权值列(可选)。
010-NLP算法 NLP算法 Bert命名实体识别 BERT 采用了 Transformer Encoder 的模型来作为语言模型,Transformer模型完全抛弃了 RNN/CNN 等结构,而完全采用 Attention 机制来进行 input-output 之间关系的计算。
查看详情 在 查看详情 页面,展示该算法、该版本的详细信息,包含算法介绍、版本信息、部署信息等。
GBDT回归 GBDT是一种迭代的决策树算法,该算法由多棵决策树组成,所有树的结论累加起来做最终答案。它在被提出之初就和SVM一起被认为是泛化能力较强的算法。GBDT中的树是回归树(不是分类树),GBDT用来做回归预测,调整后也可以用于分类。 输入 输入一个数据集,数据集的特征列是数值或数组类型,标记列是数值类型。 输出 输出GBDT回归模型。
009-Python算法组件 Python算法组件 注意 :Python算法组件,需连接Python预测组件。 AP聚类 AP 算法的基本思想是将全部样本看作网络的节点,通过网络中各条边的消息传递计算出各样本的聚类中心。聚类过程中,共有两种消息在各节点间传递,分别是吸引度(responsibility)和归属度(availability)。