Aster_Analytics_Release_Notes_0621.fm

Transcription

1 Aster Analytics 6.21 发行说明 产品 ID:B K-CHS 发布时间 :2016 年 6 月 Aster Analytics 版本 :6.21 摘要 本文档介绍 Aster Analytics 版本 6.21 中的新增功能 新增函数和经过修改的函数以及已修复问题和已知问题 此版本只有安装在运行 Aster Database (AD ) 或更高版本的系统上时, 才能正常工作 在早期版本中, 图函数和其他某些函数无法正常工作 目录 摘要 目录 哪些用户应安装此版本? 新的 Aster Scoring SDK 功能 新函数 修改的函数 获取和安装 Aster Analytics Foundation 通知 已修复的问题 已知问题 Teradata Aster 版本的命名约定 与 Teradata 全球技术支持 (GTS) 联系 第三方许可 关于本文档 Aster Analytics 6.21 发行说明 1

2 Aster Analytics 6.21 发行说明哪些用户应安装此版本? 哪些用户应安装此版本? 所有使用 AD 或更高版本的 Teradata Aster 安装都应安装此版本, 以使用 Teradata 许可使用的所有 Aster Analytics 函数 新的 Aster Scoring SDK 功能 Aster Scoring SDK 在您的运行时环境中针对 Aster Database 中建立的分析模型运行 使用 Aster Scoring SDK, 可以在多处理器平台规模使用多类型 Aster Analytics 函数构建复杂的分析模型, 并将它们导出到实时或接近实时的环境中, 在这些环境中可以使用支持 Java 虚拟机框架的实时流平台或数据库对传入数据进行评分 Aster Scoring SDK 由第 4 页的 Aster Scoring SDK 中列出的函数组成 有关详细信息, 请参阅 Aster Analytics Foundation 用户指南 新函数 时间序列 路径以及归因分析 收敛的交叉映射 : CCMPrepare CCMPrepare 函数会添加一个新的分区列并对数据进行分区, 以便准备将其与 CCM 函数一起使用 CCM CCM 函数同时测试多种原因和影响, 报告每个原因 - 影响对的影响程度 Shapelet 函数 : UnsupervisedShapelet UnsupervisedShapelet 函数获取一组时间序列, 并基于它找到的 Shapelet 将这组时间序列分配给聚类 SupervisedShapeletTrainer SupervisedShapeletTrainer 函数获取一组分类时间序列, 并基于它找到的 Shapelet 输出一个用于对时间序列进行分类的模型 SupervisedShapeletClassifier SupervisedShapeletClassifier 函数获取一组时间序列, 并基于 SupervisedShapeletTrainer 输出的模型将它们分配给聚类 VARMAX VARMAX 函数扩展了 ARMA/ARIMA 模型, 可以使用具有以下变量的时间序列 : 多个响应变量 ( 向量时间序列 ), 外生变量或独立于系统中其他变量的变量 Aster Analytics 6.21 发行说明 2

3 Aster Analytics 6.21 发行说明新函数 统计分析聚类分析集成方法关联分析神经网络 CrossValidation CrossValidation 函数通过评估如何将统计分析的结果推广到一个独立的数据集来验证模型 DenseSVM 函数 : DenseSVMTrainer DenseSVMTrainer 函数获取训练数据, 并以二进制格式构建线性或非线性预测模型 DenseSVMPredictor DenseSVMPredictor 函数使用模型来预测测试数据集中每个样本的类 DenseSVMModelPrinter DenseSVMModelPrinter 函数显示有关模型的可读信息 PCAPlot PCAPlot 函数获取主成分分析 (PCA) 函数输出的主成分和输入数据, 并将输入数据的基础更改为主成分, 然后输出结果 RandomSample RandomSample 函数获取数据集, 并使用指定的采样方法输出一个或多个随机样本 每个样本都包含指定的确切行数 RandomSample 函数对生成用于聚类算法的测试集 训练集和初始中心非常有用 KModes KModes 函数是支持分类数据的 KMeans 函数的扩展 KModes 模型同样可拟合到 KMeans 模型 核心算法是可以查找本地最优解决方案的期望最大化算法 KModesPredict KModesPredict 函数是对应于 KModes 函数的预测函数 AdaBoost_Drive AdaBoost_Drive 函数获取训练数据集和单个决策树, 并使用自适应增强功能生成强分类模型 AdaBoost_Predict AdaBoost_Predict 会将 AdaBoost_Drive 输出的强分类模型应用于新数据集 KNNRecommenderTrain 和 KNNRecommenderPredict KNNRecommenderTrain 和 KNNRecommenderPredict 函数采用类似于 WSRecommender 的方法, 但会尝试提高预测准确性, 其方法是通过针对系统性偏差进行调整并将相似性系数的启发式计算替换为同时估计所有权重的全局优化 NeuralNet NeuralNet 函数使用反向传播来训练神经网络 用户必须提供输入数据和用于训练网络的其他参数设置, 并将创建神经网络的拟合权重 NeuralNet 函数针对非常大的数据集 ( 数百万行 ) 进行了性能优化 NeuralNetPredict NeuralNetPredict 函数使用特定的训练神经网络输出权重表预测特定任意协变量输入的输出 Aster Analytics 6.21 发行说明 3

4 Aster Analytics 6.21 发行说明修改的函数 数据转换 Categorize Categorize 函数将指定的列从任何数值类型转换为 VARCHAR 当列包含表示代码或类别 ( 例如计费代码和邮政编码 ) 的数字且您要将其输入到其他函数作为分类数据时, 此操作是必需的 Aster Scoring SDK AMLGenerator AMLGenerator 函数将模型数据从 Aster 转换为与实时功能兼容的基于 XML 的 AML (Aster 模型语言 ) 格式 Scorer Scorer 函数提供一个基于给定模型和预测子对输入查询进行评分的软件框架 当前 scorer 支持以下实时函数 : Aster Scoring SDK CoxPH Aster Scoring SDK 抽取情绪 Aster Scoring SDK 广义线性模型 Aster Scoring SDK LDAInference Aster Scoring SDK 朴素贝叶斯 Aster Scoring SDK 朴素贝叶斯文本分类器 Aster Scoring SDK 随机森林 Aster Scoring SDK 单决策树 Aster Scoring SDK SparseSVM Aster Scoring SDK 文本解析器 Aster Scoring SDK 文本标记 Aster Scoring SDK 文本断词器 修改的函数 ApproximatePercentile ( 接受多个目标列作为输入 ) ConfusionMatrix ( 包括早期版本中 ConfusionMatrixPlot 提供的功能, ConfusionMatrixPlot 已废弃 ) Correlation ( 新增 GroupByColumns 参数 ) CoxPH ( 新增 Categorical_Columns 参数 新增摘要表列类别 ) CoxSurvFit ( 接受分类模型 ) CoxPredict ( 接受分类模型 ) FMeasure ( 新增类参数 ) Forest_Drive ( 增加了种子控制和控制拆分数量的功能 ) Forest_Predict ( 指定预测子变量现为可选变量, 因为该函数可从模型获取它们 ; 新增 Accumulate 参数 ) Aster Analytics 6.21 发行说明 4

5 Aster Analytics 6.21 发行说明获取和安装 Aster Analytics Foundation GLMPredict (Family 参数现为可选 ) GMMPredict ( 新增 Accumulate 参数 ) Histogram ( 单个函数替换 Histogram_Map Histogram_Reduce 和增强型直方图函数 Hist_Map Hist_Reduce 和 Hist_Prep) OutlierFilter ( 筛选多个列 : 对所有列使用同样的方法或为每个列使用指定的方法 ) 主成分分析 (PCA) ( 新增输出列 var_proportion 和 cumulative_var) Single_Tree_Drive ( 新增 Weighted 和 WeightColumn 参数, 响应表中新增可选权重列, 新增备用单表格式 ) Unpack ( 新增 ColumnLength 参数 ) 获取和安装 Aster Analytics Foundation 要获取此版本, 请为您购买的产品包获取 Aster Analytics Foundation 6.21 软件包 通知 Aster Analytics Foundation 用户指南 中的安装说明已更新 Aster Analytics Foundation 用户指南 中的大部分函数示例已更新 Logistic Predict 函数已废弃 ; 请使用 GLMPredict 函数 Logistic Regression 函数已废弃 ; 请使用 GLM 函数 SAX 函数已废弃 ; 请使用 SAX2 函数 Shapelet 函数 ShapeletMasker ShapeletFrequencyFinder ShapeletStrengthFinder ShapeletFinder 和 ShapeletClassifier 已废弃 ; 请使用新的 Shapelet 函数 SupervisedShapeletTrainer 和 SupervisedShapeletClassifier Visualization 函数 cfilterviz npathviz 和 Visualizer 已废弃 但是, 此功能可用于 Aster AppCenter 产品 有关获取 Aster AppCenter 的信息, 请联系 Teradata Aster 客户代表 Aster Analytics 6.21 发行说明 5

6 Aster Analytics 6.21 发行说明已修复的问题 已修复的问题 在不同的聚类上运行时, GTree 可能会输出多组不同的路径 问题 ID:ANLY-2187 在不同的聚类上运行时, 如果在达到最大迭代次数时检测到一个周期, GTree 函数会输出多组不同的路径 NER 无法找到字典中的词 问题 ID:ANLY-1562 在下列情况下, NER 函数无法找到字典中定义的词 : 在输入表中, 词后跟标点符号 函数应该执行不区分大小写的匹配, 但执行了区分大小写的匹配 EigenvectorCentrality 意外失败 问题 ID:ANLY-3154 使用小数据集 ( 例如, 2404 个顶点和 6811 条边 ) 时, EigenvectorCentrality 函数意外失败 KMeans 在 Aster Database 中比在 R 中慢得多 问题 ID:ANLY-2775 KMeans 函数性能有所提升 ; 但是, KMeans 的性能针对大数据集进行了优化, 对于小数据集, 性能可能不会优于 R LDist 输入表有大小限制 问题 ID:ANLY-2741 当输入表的行数超过 5000 行时, LDist 函数不会生成任何结果 升级到 AA 6.10 后, 函数版本显示 6.0 问题 ID:ANLY-2360 版本 AA 6.21 中已修复此问题 AA 6.10 TextTokenizer 问题 问题 ID:ANLY-2320 在某些情况下, AA 6.10 会发生变化, 将复合词输出为无法正常使用的单个标记 AA 6.21 中已修复此问题 Aster Analytics 6.21 发行说明 6

7 Aster Analytics 6.21 发行说明已知问题 已知问题 Analytic 软件包的安装脚本在处理 postaggermodel 脚本时出现错误 问题 ID:BH-5360 详细信息 : 安装 PoSTagger 使用的模型文件 pos_model_2.0_zh_cn_ bin 时, 有时会出现以下错误 : INSTALL FILE 'pos_model_2.0_zh_cn_ bin' SCHEMA "public"; ERROR: An internal error has occurred. ( 错误 : 已出现内部错误 ) 解决方法 : 再次尝试安装模型文件 如果错误依然存在, 请与 Teradata 全球客户支持联系 HMMSupervisedLearner 和 HMMUnsupervisedLearner 可能不会考虑观测序列中最后的符号 问题 ID:ANLY-3157 详细信息 :HMMSupervisedLearner 和 HMMUnsupervisedLearner 可能不会考虑观测序列中最后的符号 对于随机序列, 这对这些函数所生成的模型中概率的影响微乎其微 解决方法 : 无 TextTokenizer 错误地对一些包含撇号的字词进行断词 问题 ID:ANLY-3178 详细信息 : 如果某个字词包含撇号, 该函数可能会将其分成两个标记 解决方法 : 无 NER 显示误导性的错误消息 问题 ID:ANLY-2354 详细信息 : 如果未使用 PARTITION BY ANY 子句指定 NER 函数的输入表, 该函数将显示以下误导性的错误消息 : SQL-MR function NER failed: INTERNAL: The column argument TextColumn does not have a target table specified.please contact Teradata Aster support. (SQL-MR 函数 NER 失败 : 内部 : 列参数 TextColumn 未指定目标表 请联系 Teradata Aster 支持 ) 解决方法 : 使用 PARTITION BY ANY 子句指定输入表 Aster Analytics 6.21 发行说明 7

8 Aster Analytics 6.21 发行说明 Teradata Aster 版本的命名约定 Teradata Aster 版本的命名约定 自 2013 年 1 月开始, Teradata Aster 版本的命名约定如下所述 : AD:Aster Database AC:Aster Client AA:Aster Analytics 发行号的格式为 XX.YY.ZZ.nn, 其中 : XX 是主要版本 Aster 的主要版本通常会引入新增功能 YY 是次要版本 Aster Database 的次要版本通常提供功能增强和错误修复 次要版本也可能引入新增功能 ZZ 是维护版本 Aster 的维护版本通常仅提供错误修复 也可能包括功能增强 nn 是紧急修补程序或热修补程序 紧急修补程序和热修补程序用于解决紧急的客户问题 与 Teradata 全球技术支持 (GTS) 联系 如需获得帮助以及更新后的文档, 请与 Teradata 全球技术支持 (GTS) 联系 : 支持门户 : 美国以外的客户 : 美国客户 :877-MyT-Data ( ) 第三方许可 您的 Aster 安装中包括几个开源产品 这些产品的许可文本会在 Aster Database 用户指南 中的 许可 一章提供, 同时 Aster queen 节点的 /home/beehive/licenses 目录中也以一组文本文件的形式提供了这些许可文本 Aster Analytics 6.21 发行说明 8

9 Aster Analytics 6.21 发行说明关于本文档 关于本文档 此版本的 Aster Analytics 6.21 发行说明 涵盖 Aster Analytics 版本 6.21 版本历史记录 表 1-1: 版本历史记录表 版本产品 ID 日期 AA 6.21 B K-CHS 2016 年 4 月 版权和法律声明 本文中提及的产品均为 Teradata Corporation 或其附属公司许可的产品 Teradata Active Data Warehousing Active Enterprise Intelligence Applications-Within Aprimo Marketing Studio Aster BYNET Claraview DecisionCast Gridscale MyCommerce QueryGrid SQL-MapReduce Teradata Decision Experts Teradata Labs 徽标 Teradata ServiceConnect Teradata Source Experts WebAnalyst 和 Xkoto 是 Teradata Corporation 或其附属公司在美国和其他国家 / 地区的商标或注册商标 Adaptec 和 SCSISelect 是 Adaptec, Inc. 的商标或注册商标 AMD Opteron 和 Opteron 是 Advanced Micro Devices, Inc. 的商标 Apache Apache Avro Apache Hadoop Apache Hive Hadoop 和黄色大象徽标是 Apache Software Foundation 在美国和 / 或其他国家 / 地区的注册商标或商标 Apple Mac 和 OS X 均为 Apple Inc. 的注册商标 Axeda 是 Axeda Corporation 的注册商标 Axeda Agents Axeda Applications Axeda Policy Manager Axeda Enterprise Axeda Access Axeda Software Management Axeda Service Axeda ServiceLink 和 Firewall-Friendly 是 Axeda Corporation 的商标, Maximum Results 和 Maximum Support 是 Axeda Corporation 的服务标记 Data Domain EMC PowerPath SRDF 和 Symmetrix 是 EMC Corporation 的注册商标 GoldenGate 是 Oracle 的商标 Hewlett-Packard 和 HP 是 Hewlett-Packard Company 的注册商标 Hortonworks Hortonworks 徽标及其他 Hortonworks 商标是 Hortonworks Inc. 在美国和其他国家 / 地区的商标 Intel Pentium 和 XEON 是 Intel Corporation 的注册商标 IBM CICS RACF Tivoli 和 z/os 是 International Business Machines Corporation 的注册商标 Linux 是 Linus Torvalds 的注册商标 LSI 是 LSI Corporation 的注册商标 Microsoft Active Directory Windows Windows NT 和 Windows Server 是 Microsoft Corporation 在美国和其他国家 / 地区的注册商标 NetVault 是 Dell Inc. 在美国和 / 或其他国家 / 地区的商标或注册商标 Novell 和 SUSE 是 Novell, Inc. 在美国和其他国家 / 地区的注册商标 Oracle Java 和 Solaris 是 Oracle 和 / 或其附属公司的注册商标 QLogic 和 SANbox 是 QLogic Corporation 的商标或注册商标 Quantum 和 Quantum 徽标是 Quantum Corporation 在美国和其他国家 / 地区的注册商标 Red Hat 是 Red Hat, Inc. 在美国和其他国家 / 地区的注册商标 经许可而使用 SAP 是 SAP AG 在德国和多个其他国家 / 地区的商标或注册商标 SAS 和 SAS/C 是 SAS Institute Inc. 的商标或注册商标 SPARC 是 SPARC International, Inc. 的注册商标 Symantec NetBackup 和 VERITAS 是 Symantec Corporation 或其附属公司在美国和其他国家 / 地区的商标或注册商标 Unicode 是 Unicode, Inc. 在美国和其他国家 / 地区的注册商标 UNIX 是 The Open Group 在美国和其他国家 / 地区的注册商标 此处提及的其他产品和公司名称可能是其各自所有者的商标 Aster Analytics 6.21 发行说明 9

10 Aster Analytics 6.21 发行说明关于本文档 本文档中包含的信息按 原样 提供, 不提供任何形式的明示或默示的担保, 包括有关适销性 对特定用途的适用性或无侵权的默示担保 某些辖区不允许排除默示的担保, 因此上述条款可能不适用于您 在任何情况下, TERADATA CORPORATION 都不对任何间接 直接 特殊 偶然或后果性损失承担责任, 包括利润损失或数据遗失, 即使已被明确告知可能发生此类损失 本文档中包含的信息可能包含在您的国家 / 地区尚未推出或提供的功能 产品或服务的引用或交叉引用 此类引用并非默示 Teradata Corporation 计划在您的国家 / 地区推出此类功能 产品或服务 有关在您的国家 / 地区提供的功能 产品或服务, 请与您当地的 Teradata Corporation 客户代表联系 本文档中包含的信息可能包含不准确的技术信息或印刷错误 这些信息随时可能更改或更新, 恕不另行通知 Teradata Corporation 还随时可能对这些信息中所述的产品或服务进行改进或更改, 恕不另行通知 为保持我们的产品和服务质量稳定性, 我们希望您对本文档的准确性 清晰性 组织结构和实用性提出宝贵意见 请发送电子邮件至 :teradata-books@lists.teradata.com 发送给 Teradata Corporation 的任何意见和材料 ( 统称为 反馈 ) 将被视为非保密内容 Teradata Corporation 不承担任何与反馈相关的义务, 并且可以自由使用 复制 披露 展示 显示 转换 创造衍生作品以及分发反馈及其衍生作品, 而不受免版税使用的限制 而且, Teradata Corporation 可以不受限制地将此类反馈中包含的任何理念 概念 专有技术或技巧用于任何用途, 包括利用反馈进行开发 制造或营销产品或服务 Copyright by Teradata. All Rights Reserved. Aster Analytics 6.21 Release Notes Release 6.21 B K June 2016 Aster Analytics 6.21 发行说明 10