国内机器学习建模平台应用

机器学习平台SophonBase作为企业级一站式数据科学平台，支持数据管理、可视化建模、编程式建模等功能模块，包含完备的统计、机器学习、深度学习算法，覆盖从数据接入、数据预处理，到模型训练、模型部署支持：支持用户使用低代码、拖拉拽方式快速构建机器学习模型，提供了覆盖数据接入、ETL、特征工程、模型训练、模型应用、模型评估、模型迭代等数据分析全流程的强大建模能力，有效的降低了使用门槛渐进式模型迭代、监控运维的机器学习模型全生命周期流程。产品功能云原生模型服务提供：提供具备敏捷、可靠、可扩展、高弹性、可故障恢复、不中断业务持续更新等特性的海量模型服务，保障用户的模型应用；同时支持对模型服务进行精细化管理，方便用户发布与订阅分布式算法能力沉淀：提供多种分布式机器学习算子，大幅提升算法性能，轻松处理高复杂度、低延时、大批量的应用场景；同时提供多样化的实验场景模板和一站式的界面操作，能够引导用户管理：提供ETL处理、模型训练、模型上架等实验和任务流的周期管理，帮助用户控制模型迭代频率，并完成模型定时迭代；同时结合容器的模型上线系统，帮助用户更易实现滚动发布和横向扩容优势机器学习建模

机器学习平台SophonBase作为企业级一站式数据科学平台，支持数据管理、可视化建模、编程式建模等功能模块，包含完备的统计、机器学习、深度学习算法，覆盖从数据接入、数据预处理，到模型训练、模型部署支持：支持用户使用低代码、拖拉拽方式快速构建机器学习模型，提供了覆盖数据接入、ETL、特征工程、模型训练、模型应用、模型评估、模型迭代等数据分析全流程的强大建模能力，有效的降低了使用门槛渐进式模型迭代、监控运维的机器学习模型全生命周期流程。产品功能云原生模型服务提供：提供具备敏捷、可靠、可扩展、高弹性、可故障恢复、不中断业务持续更新等特性的海量模型服务，保障用户的模型应用；同时支持对模型服务进行精细化管理，方便用户发布与订阅分布式算法能力沉淀：提供多种分布式机器学习算子，大幅提升算法性能，轻松处理高复杂度、低延时、大批量的应用场景；同时提供多样化的实验场景模板和一站式的界面操作，能够引导用户管理：提供ETL处理、模型训练、模型上架等实验和任务流的周期管理，帮助用户控制模型迭代频率，并完成模型定时迭代；同时结合容器的模型上线系统，帮助用户更易实现滚动发布和横向扩容优势机器学习建模

包括调整模型的超参数、增加样本量、增加特征数量等。机器学习建模是一个迭代的过程，需要根据实际情况逐步进行特征工程、选择模型、训练模型、评估模型和优化模型，以获得佳的预测。星环数据科学平台-SophonBaseSophonBase作为企业级一站式数据科学平台，支持数据管理、可视化建模、编程式建模等功能模块，包含完备的统计、机器学习、深度学习算法，覆盖从数据接入、数据预处理，到模型训练、模型部署、监控运维的机器学习模型全生命周期流程。机器学习建模是指使用机器学习算法对给定的数据进行分析预测的过程。包括了数据的预处理、特征工程、选择合适的模型、训练模型、评估模型以及优化模型等步骤。1、对数据进行预处理，包括数据清洗、缺失值处理、异常值处理等，以确保数据的质量和完整性。2、进行特征工程，即从原始中提取出对问题有用的特征。这可以包括特征选择、特征提取、特征变换等方法。3、选择合适的机器学习模型。常用的机器学习模型包括线性回归、逻辑

机器学习平台SophonBase作为企业级一站式数据科学平台，支持数据管理、可视化建模、编程式建模等功能模块，包含完备的统计、机器学习、深度学习算法，覆盖从数据接入、数据预处理，到模型训练、模型部署支持：支持用户使用低代码、拖拉拽方式快速构建机器学习模型，提供了覆盖数据接入、ETL、特征工程、模型训练、模型应用、模型评估、模型迭代等数据分析全流程的强大建模能力，有效的降低了使用门槛渐进式模型迭代、监控运维的机器学习模型全生命周期流程。产品功能云原生模型服务提供：提供具备敏捷、可靠、可扩展、高弹性、可故障恢复、不中断业务持续更新等特性的海量模型服务，保障用户的模型应用；同时支持对模型服务进行精细化管理，方便用户发布与订阅分布式算法能力沉淀：提供多种分布式机器学习算子，大幅提升算法性能，轻松处理高复杂度、低延时、大批量的应用场景；同时提供多样化的实验场景模板和一站式的界面操作，能够引导用户管理：提供ETL处理、模型训练、模型上架等实验和任务流的周期管理，帮助用户控制模型迭代频率，并完成模型定时迭代；同时结合容器的模型上线系统，帮助用户更易实现滚动发布和横向扩容优势机器学习建模

机器学习平台SophonBase作为企业级一站式数据科学平台，支持数据管理、可视化建模、编程式建模等功能模块，包含完备的统计、机器学习、深度学习算法，覆盖从数据接入、数据预处理，到模型训练、模型部署支持：支持用户使用低代码、拖拉拽方式快速构建机器学习模型，提供了覆盖数据接入、ETL、特征工程、模型训练、模型应用、模型评估、模型迭代等数据分析全流程的强大建模能力，有效的降低了使用门槛渐进式模型迭代、监控运维的机器学习模型全生命周期流程。产品功能云原生模型服务提供：提供具备敏捷、可靠、可扩展、高弹性、可故障恢复、不中断业务持续更新等特性的海量模型服务，保障用户的模型应用；同时支持对模型服务进行精细化管理，方便用户发布与订阅分布式算法能力沉淀：提供多种分布式机器学习算子，大幅提升算法性能，轻松处理高复杂度、低延时、大批量的应用场景；同时提供多样化的实验场景模板和一站式的界面操作，能够引导用户管理：提供ETL处理、模型训练、模型上架等实验和任务流的周期管理，帮助用户控制模型迭代频率，并完成模型定时迭代；同时结合容器的模型上线系统，帮助用户更易实现滚动发布和横向扩容优势机器学习建模

机器学习平台SophonBase作为企业级一站式数据科学平台，支持数据管理、可视化建模、编程式建模等功能模块，包含完备的统计、机器学习、深度学习算法，覆盖从数据接入、数据预处理，到模型训练、模型部署支持：支持用户使用低代码、拖拉拽方式快速构建机器学习模型，提供了覆盖数据接入、ETL、特征工程、模型训练、模型应用、模型评估、模型迭代等数据分析全流程的强大建模能力，有效的降低了使用门槛渐进式模型迭代、监控运维的机器学习模型全生命周期流程。产品功能云原生模型服务提供：提供具备敏捷、可靠、可扩展、高弹性、可故障恢复、不中断业务持续更新等特性的海量模型服务，保障用户的模型应用；同时支持对模型服务进行精细化管理，方便用户发布与订阅分布式算法能力沉淀：提供多种分布式机器学习算子，大幅提升算法性能，轻松处理高复杂度、低延时、大批量的应用场景；同时提供多样化的实验场景模板和一站式的界面操作，能够引导用户管理：提供ETL处理、模型训练、模型上架等实验和任务流的周期管理，帮助用户控制模型迭代频率，并完成模型定时迭代；同时结合容器的模型上线系统，帮助用户更易实现滚动发布和横向扩容优势机器学习建模

机器学习平台SophonBase作为企业级一站式数据科学平台，支持数据管理、可视化建模、编程式建模等功能模块，包含完备的统计、机器学习、深度学习算法，覆盖从数据接入、数据预处理，到模型训练、模型部署支持：支持用户使用低代码、拖拉拽方式快速构建机器学习模型，提供了覆盖数据接入、ETL、特征工程、模型训练、模型应用、模型评估、模型迭代等数据分析全流程的强大建模能力，有效的降低了使用门槛渐进式模型迭代、监控运维的机器学习模型全生命周期流程。产品功能云原生模型服务提供：提供具备敏捷、可靠、可扩展、高弹性、可故障恢复、不中断业务持续更新等特性的海量模型服务，保障用户的模型应用；同时支持对模型服务进行精细化管理，方便用户发布与订阅分布式算法能力沉淀：提供多种分布式机器学习算子，大幅提升算法性能，轻松处理高复杂度、低延时、大批量的应用场景；同时提供多样化的实验场景模板和一站式的界面操作，能够引导用户管理：提供ETL处理、模型训练、模型上架等实验和任务流的周期管理，帮助用户控制模型迭代频率，并完成模型定时迭代；同时结合容器的模型上线系统，帮助用户更易实现滚动发布和横向扩容优势机器学习建模

包括调整模型的超参数、增加样本量、增加特征数量等。机器学习建模是一个迭代的过程，需要根据实际情况逐步进行特征工程、选择模型、训练模型、评估模型和优化模型，以获得佳的预测。星环数据科学平台-SophonBaseSophonBase作为企业级一站式数据科学平台，支持数据管理、可视化建模、编程式建模等功能模块，包含完备的统计、机器学习、深度学习算法，覆盖从数据接入、数据预处理，到模型训练、模型部署、监控运维的机器学习模型全生命周期流程。机器学习建模是指使用机器学习算法对给定的数据进行分析预测的过程。包括了数据的预处理、特征工程、选择合适的模型、训练模型、评估模型以及优化模型等步骤。1、对数据进行预处理，包括数据清洗、缺失值处理、异常值处理等，以确保数据的质量和完整性。2、进行特征工程，即从原始中提取出对问题有用的特征。这可以包括特征选择、特征提取、特征变换等方法。3、选择合适的机器学习模型。常用的机器学习模型包括线性回归、逻辑

运维管理界面WebserverWebserver是Hippo提供运维监控的界面。默认访问地址为:4567"class="bare">http://<webserver_ip>:4567。或者在Manager管理界面我们可以通过下图所示的查看链接这里进行跳转。图15.登录HippoWebserverWebserver主要由下面几个部分构成。概况图16.概况该页面展示了Hippo集群的基本信息，包括：Masterstatus：当前的ActiveMaster，MasterGroup，MasterAddress，Master的健康状态TabletServerStatus：TabletServerAddress，健康状态，逻辑机架和数据中心信息，容量使用以及Tablet个数TabletNum：当前集群表的个数Version：Hippo版本信息库表图17.库表页面以库和表的概念集群存储的各类数据信息。库信息：库名库创建时间库内各类表的信息：点击某个库，可以看到库下所有表的信息，主要包括：••表的ID••表的名字••表的状态••表的Tablet数量••表的Engine类型••表的副本数•...

OverviewAclusterisaHippoCloudinstanceassociatedwithspecificcomputingresources.Youcancreaterelatedtables,insertcorrespondingdata,andcompleteproductexperiencewithinacluster.Beforeyouusethedemoenvironment,youneedtocreateacluster.CreateClusterYouneedtogotothespecificproject.Iftherearenoclustersunderthecurrentproject,youcanclickthe'Createcluster'buttonbelowtheclustercreationguidancepagetoentertheclustercreation.Ifthereareclustersunderthecurrentproject,youcanclickthe'+Cluster'buttonabovetheclusterlist...

OverviewUnstructureddatamanagementismoreimportantthaneverduetotheriseofbigdata.Managingandgleaningbusinessvaluefromunstructureddataisofutmostimportancetoenterprisestoday.Advancementsinmachinelearning,aswellasdeeplearning,technologiesnowenableorganizationstoefficientlyaddressunstructureddataandimprovequalityassuranceefforts.Inthefieldofartificialintelligenceormachinelearning,embeddingsandvectordatabaseshavebecomeincreasinglyimportantfortacklingawiderangeofproblems.Thesetechniquesareusedtorepresen...

本节介绍Hippo表写入相关操作。Hippo会返回写入成功数据的下标以及总共写入成功的数据条数，如果出现行级错误（比如主键冲突），Hippo会返回具体的行级错误。插入本节介绍如何向Hippo中插入数据。curl-ushiva:shiva-XPUT'localhost:8902/hippo/v1/{table}/_bulk?database_name={database_name}&pretty'-H'Content-Type:application/json'-d'{"fields_data":[{"field_name":"book_id","field":[1,2,3,4,5,6,7,8,9,10,11,12,13,14,15,16,17,18,19,20,21,22,23,24,25,26,27,28,29,30,31,32,33,34,35,36,37,38,39,40,41,42,43,44,45,46,47,48,49,50,51,52,53,54,55,56,57,58,59,60,61,62,63,64,65,66,67,68,69,70,71,72,73,74...

ThistutorialwillguideyouthroughthefollowingtaskswithinHippoCloud:EstablishingatablePerusingthetableIncorporatingdataExecutingsearchoperationsEliminatingrowsDissolvingthetableBeforeyoustartInthisguide,wewillbeutilizingthePythonAPI.Priortocommencement,ensurethatyouhave:RegisteredforaHippoCloudaccount.SubscribedtothecomplimentaryplanandestablishedatrialclusterwithinHippoCloud,orsubscribedtothestandard/enterpriseplansandconstructedadedicatedcluster.IfyouanticipateemployingPythonfordevelopment,ascert...

过滤条件表达式Hippo当前支持如下表达式，可用于标量或向量查询。表46.过滤条件表达式表达式描述and当前版本支持and，不支持or/not==等值<小于⇐小于等于>大于>=大于等于inin[1,2,3]notinnot_in[1,2,3]like'_'表示匹配任一字符，'%'表示匹配任意字符，'\'为转义符向量相似性检索本节描述如何进行向量相似度搜索。Hippo中的向量相似性搜索计算查询向量与表中向量的距离，返回最相似的结果集。通过指定标量过滤条件，用户可以进行向量与标量的混合搜索。curl-ushiva:shiva-XGET'localhost:8902/hippo/v1/{table}/_search?pretty'-H'Content-Type:application/json'-d'{"output_fields":["book_id"],"search_params":{"anns_field":"book_intro","topk":2,"params":{"nprobe":10},"embedding_index":"ivf_flat_index"}...

查看Master节点通过以下命令，查看集群Master节点信息：curl-ushiva:shiva-XGET'localhost:8902/hippo/v1/_cat/master?v'返回结果：epochtimestampactive.master.hostactive.master.portmaster.group169079683909:47:19172.29.203.18926841172.29.203.189:26841,172.29.203.189:26851,172.29.203.189:26861查看数据节点curl-ushiva:shiva-XGET'localhost:8902/hippo/v1/_cat/nodes?v'//查看所有节点curl-ushiva:shiva-XGET'localhost:8902/hippo/v1/_cat/nodes/{node}?v'//{node}表示待匹配的节点地址，支持以*通配，支持指定多个pattern，多个pattern以逗号分割返回结果：

在Hippo中，比较耗时的操作如激活、加载向量索引实际上是一个分布式任务，用户可以通过任务相关接口查看、删除任务。查看任务curl-ushiva:shiva-XGET"localhost:8902/hippo/v1/_jobs?pretty"-H'Content-Type:application/json'-d'{"job_ids":["fc6feff4f303455a9347f9aab323dfc8"],"action_patterns":["hippo*"]}';返回结果：{"jobs":[{"job_id":"810935a1d91a46b7af2ec35013454fed","job_status":"SHIVA_JOB_SUCCESS","embedding_number":100,"task_results":[{"id":"54ab52493dfb4bab9fb7742d850c64c4","status":"TASK_SUCCESS","server":"172.29.40.26:27841","embedding_number":100,"execute_time":...

本节测试主要描述了Hippo1.0在关键测试上的一些性能表现，该份测试同样也是Hippo的基准测试，后续版本发布也会在不同版本上进行该测试进行对比分析。术语表142.Hippo性能测试术语TermDescriptionnq一次搜索请求中搜索的向量个数topk一次请求中对于要检索的每个向量(依赖nq)，所能检索到最近距离的向量个数RT一次请求从发起到接受响应的时间]QPS请求在每秒内成功执行的次数dataset测试所用数据集，不同数据集表示不同的业务场景测试集群配置硬件配置表143.性能测试硬件配置硬件规范Nodes3CPUIntel®Xeon®Gold5218RCPU@2.10GHzMemory16*\16GBRDIMM,3200MT/sDISKNVMeSSD2T*4GPUNONE软件配置表144.性能测试软件配置软件版本Hippov1.2TranswarpManagerTDH9.3.0测试集表145.性能测试数据集数据集名称数据集介绍向量维度向量总数查询数量数据总量距离类型Sift-128-euclidean该数据集是基于Texmex的数据集整理，使用SIFT算法得到的图片特征向量。...

Hippo在1.2版本提供了全文索引能力，兼容ElasticSearch6.7.2语法，在底层架构上复用了公司产品TranswarpScope的一部分特性，支持以Java/HTTPRestful的形式通过Hippo的HTTPServer接口进行全文索引的创建、查询、使用等各类需求，通过该能力的支持，可以更好的实现向量与全文的混合检索。通过将向量检索加全文检索的联合召回，可以降低漏检和误检的概率，能够实现比单独使用向量或全文更高的精度。同时，一套数据库系统可避免部署多套系统带来的架构复杂、开发运维成本高等问题。具体的使用方法除了访问端口需要将端口从8902调整为9200外，均可参考《TranswarpScope手册》4.TranswarpScopeAPI介绍。