我在机器学习PAI DSW中创建实例，会返回代码RISK.RISK_CONTROL_REJECTION，所以无法创建，专有网络和数据集都有设置，也填入了镜像url，请问这是什么情况？
返回代码RISK.RISK_CONTROL_REJECTION[阿里云机器学习PAI]
「点点赞赏，手留余香」
还没有人赞赏，快来当第一个赞赏的人吧！
=====这是一个广告位，招租中，联系qq 78315851====
同尘云，您身边的云智能顾问
我在机器学习PAI DSW中创建实例，会返回代码RISK.RISK_CONTROL_REJECTION，所以无法创建，专有网络和数据集都有设置，也填入了镜像url，请问这是什么情况？
在机器学习 PAI DSW 中创建实例时，如果返回代码
RISK.RISK_CONTROL_REJECTION，则表示创建实例请求被风控系统拦截了。这种情况通常是由于某些异常行为或风险操作触发了阿里云的风控机制，导致实例创建失败。为了解决此问题，您可以尝试以下步骤：
您可以联系阿里云客服团队，向他们汇报该问题，并提供更多信息以帮助诊断问题所在。
如果您认为您的操作与正常使用场景相符，并且您的账户存在异常操作记录，请及时进行整改。
您可以在创建实例时检查填写的参数是否正确，如专有网络和数据集等配置项是否正确填写，镜像 URL 是否有效等等。
您可以尝试更换其他地域或区域再次创建实例，也可以选择更换其他机器学习 PAI DSW 实例类型再进行尝试。
总之，机器学习 PAI DSW 的风控机制是为了保障平台安全稳定而设计的，如果因此出现问题，建议您遵守平台规定并及时联系客服团队寻求帮助。
RISK.RISK_CONTROL_REJECTION 错误通常表示您的请求被机器学习平台的风险控制系统拒绝。
这可能是因为您的请求中包含了风险较高的参数，或者您的账户存在异常行为。在某些情况下，可能需要进行人脸识别等身份验证操作才能继续使用机器学习平台服务。
如果在机器学习PAI DSW中创建实例时返回了错误代码“RISK.RISK_CONTROL_REJECTION”，那么很可能是由于您的账号存在一定的风险控制限制，导致无法创建实例。这种情况通常需要联系阿里云技术支持人员进行处理。
同时，请确保您填写的专有网络和数据集信息都是正确的。如果输入错误或不完整的信息，也可能会导致创建实例失败。此外，您还可以检查一下您使用的镜像是否已经过期或无法访问。如果无法访问，建议您更换为可用的镜像。
最后，如果以上步骤都无法解决问题，建议您联系阿里云技术支持人员寻求帮助，以获取更详细的解决方案。
根据您提供的截图，似乎您使用了一个不支持的实例规格或实例类型。
请确保您选择的实例规格和实例类型是符合您需求的。此外，您可以检查您的阿里云账户是否已经开启了机器学习PAI DSW服务权限，以及您使用的网络是否与您的实例规格和实例类型兼容。
如果您仍然无法解决问题，请尝试联系阿里云客服获取更多帮助。
楼主你好，RISK.RISK_CONTROL_REJECTION通常是由于您的账户存在风险问题导致的。
建议您联系阿里云客服，对账户进行身份验证和核实，以确认是否存在异常情况。同时，您还可以检查以下几点：
检查您的阿里云账号余额是否充足，确保有足够的资源支持您创建实例。
确认您填写的专有网络、数据集及镜像URL信息是否正确无误。
如果以上步骤都没有解决问题，建议您重新尝试创建实例或者与阿里云技术支持人员取得联系，获取更多帮助。
您好，根据您提供的信息，返回代码RISK.RISK_CONTROL_REJECTION通常表示您的账户存在一定的风险控制限制，可能是由于您的账户在一段时间内创建了过多的实例或者使用了不当的操作等原因。
你好，这种情况一般表示这次创建实例已经失败了，建议首先可以本次设置的专有网络和数据集以及镜像url再尝试一次创建实例，如果两次还是没成功的话，那么可以换个实例镜像url尝试，同时可以上报一下当前镜像无法创建实例的情况，上报
RISK.RISK_CONTROL_REJECTION一般是指机器学习平台对您的操作进行了风险控制拒绝，拒绝原因可能是您的操作涉及到某些安全风险或者违反了平台规定的使用规则。
您可以先检查您的操作是否符合机器学习平台的使用规则，比如是否使用了未经授权的数据或者算法等。此外，您可以联系机器学习平台的技术支持团队，了解具体的拒绝原因，以及如何解决这个问题。他们可以帮助您诊断问题，并提供相应的解决方案。
如果您想检查您的操作是否符合机器学习平台的使用规则，建议您先仔细阅读平台的相关使用手册、操作指南、服务协议等资料，了解平台的具体规定和限制。如果您对某些规定或限制不确定，可以联系平台的客服或技术支持人员进行咨询。
此外，为了确保您的操作符合机器学习平台的规定和限制，您还可以参考相关的学习资料和教程，提高自己的机器学习技能和知识水平。以下是一些机器学习学习资源的推荐：
Coursera：提供了多门机器学习、深度学习等相关课程，内容涵盖入门到高级应用。 Kaggle：一个著名的机器学习竞赛平台，提供了大量的机器学习数据集、教程和资料，可以帮助您提高机器学习技能和应用能力。 TensorFlow：一个流行的机器学习框架，提供了丰富的文档、教程和示例代码，可以帮助您学习和使用 TensorFlow 进行机器学习开发。 PyTorch：另一个流行的机器学习框架，也提供了丰富的文档、教程和示例代码，可以帮助您学习和使用 PyTorch 进行机器学习开发。 知乎、CSDN 等社区：提供了大量的技术问答、博客文章和教程，可以帮助您解决具体的技术问题，提高自己的技能和知识水平。 总之，学习和掌握机器学习技能需要长期的学习和实践，希望以上推荐的学习资源可以帮助您更好地理解和应用机器学习技术。