TempoAI——V3.15 产品版本 -

TempoAI——V3.15

时间：2018-10-31 16:50:00 浏览：次

1.新增数据差集节点
实际业务中，需要将两个表按照一定的规则求差集，其中一个表为主表，另一个表为对照表，用户可指定求差集要匹配的公共字段，将主表中与对照表指定字段匹配一致的数据所在的行删除，输出主表中未匹配的数据。数据差集的前置端口为两个数据集，其中第一个为主表，第二个为对照表。建议对照表不超过10000行。

2.新增两步聚类节点
两步聚类算法可以同时分析连续属性和离散属性。算法中采用的度量距离包括欧氏距离及对数似然距离。该算法的特点是可以基于BIC信息准则自动确定最优聚类数。

3.新增流服务
流服务，即流程中有kafka输入节点的服务。开启服务后，等待消息队列中有数据后就会执行流程。可在服务列表中查看日志。流服务任务提交到yarn上。

4.接口数据新增基于脚本配置
用户可基于脚本配置接口数据使接口数据连接更加灵活。

5.变量选择节点支持更多方法
变量选择旨在从原始变量中选出一些最有效变量以降低数据集维度，用于提高学习算法性能。变量选择方法适用于有监督学习。本次优化新增支持皮尔逊卡方、似然比卡方、Cramer、Lambda、Lasso、相关系数方法。
6.新增回声状态网络节点
回声状态网络作为一种新型的递归神经网络(如下图)，也由输入层、隐藏层(即储备池)、输出层组成。其将隐藏层设计成一个具有很多神经元组成的稀疏网络，通过调整网络内部权值的特性达到记忆数据的功能，其内部的动态储备池(DR)包含了大量稀疏连接的神经元，蕴含系统的运行状态，并具有短期训记忆功能。ESN训练的过程，就是训练隐藏层到输出层的连接权值(Wout)的过程。

7.新增灰色预测节点
灰色模型的建立机理是根据系统的普遍发展规律，建立一般性的灰色微分方程，然后通过对数据序列的拟合，求得微分方程系数，从而获得灰色模型方程。灰色建模直接将时间序列转化为微分方程，从而建立抽象系统的发展变化的动态模型，即Grey Dynamic Model(GM),灰色理论微分方程模型成为GM（M,N）,即M阶N个变量的微分方程灰色模型。其中GM（1,1）是最基础模型，即一阶一变量微分方程灰色模型应用最为广泛。

8.新增主题模型合并节点。
该节点支持将多个主旨话题分析模型合并，合并后的模型经模型利用，可对新的文本数据进行主题标签的分类。

此外还对操作的易用性进行了全面优化，极大的提升了用户的体验及建模的效率。

TempoBI——V3.15

TempoAI——V3.16

推荐新闻