操作
資料準備
1、DataStudio中建立資料表
- SQL腳本
CREATE TABLE `lm_test_input` (
`value` bigint,
`output1` bigint
) ; 2、資料導入
目前支援多種方式将資料導入到表，如果是大資料量導入，請使用 tunnel 用戶端工具導入資料到表中。本示例使用的資料量較少，直接通過SQL腳本的方式導入資料。
INSERT into table lm_test_input values (1,2);
INSERT into table lm_test_input values (2,4);
INSERT into table lm_test_input values (3,6);
INSERT into table lm_test_input values (4,8);
INSERT into table lm_test_input values (5,10);
select * from lm_test_input; --檢視導入的資料 3、資料表
模型搭建與訓練
1、建立空表實驗
2、拖入元件“源/目标的”讀資料表子產品，配置：
3、拖入元件“工具”SQL腳本子產品，用于讀入資料：
4、拖入元件“資料預處理”拆分子產品，用于将原資料集拆分為訓練集和測試集：
5、拖入元件“機器學習”線性回歸子產品，分别指定特征及标簽，用于訓練模型：
6、拖入元件“機器學習”預測子產品，用于預測測試集的情況：
7、整個流程：
8、點選運作按鈕運作整個模型，當然也可以點選到具體的子產品選擇運作到此處，還可以分别查詢各個子產品的運作結果：
9、運作的結果：
模型的部署與調用
機器學習模型線上部署功能可以将您的模型一鍵部署為Restful API，您可以通過HTTP請求的方式進行調用。
1、部署模型
注意: 模型正常運作後才能部署，并不是搭建的實驗都能生成模型，普通的數值處理不能生成模型，常見的可以生成模型算法包括:GBDT二分類、線性支援向量機、邏輯回歸二分類、邏輯回歸多分類、随機森林、KMeans、線性回歸、GBDT回歸（GBDT回歸算法不支援int型資料格式輸入，是以在部署前請注意GBDT算法輸入應為Double型）、Tensorflow等。
2、Rest調用的參數
3、線上調試
4、程式調用(value:100)
執行個體Demo下載下傳 位址
5、監控
6、目前直接測試API功能預設配置設定的是二級域名，二級域名僅供測試使用，有每天1000次的通路限制。如果您有更大需求，請在分組管理界面單擊綁定域名，對該API所在的分組進行域名綁定。具體參考模型線上部署使用
說明。