第57页，共149页。 显示 1,487 条结果 (0.028 秒)
分析报告-制作流程
分析报告制作的流程： flowChat1.png 模板准备 制作分析报告的第一步，准备要制作分析报告的模板，以便对要制作的内容有所评估。 制作模板：根据分析报告的主题、需求制作模板。 现有模板：公司已有的周期性总结报告模板、销售总结报告模板等，可以直接使用。 <CSAC汽车销售分析报告>的模板如图： image2019-8-22 11:22:24.png 完整模板: CSAC汽车销售分析报告（模板）.docx 数据准备 分析模板所需要的数据，如参数、表格、图形等数据。 登录Smartbi设计报表，对分析报告需要用到的数据进行准备，创建电子表格资源。 分析报告的数据来源支持的资源类型请参考：分析V10.5.8 版本更新介绍
V10.5.8 版本于2022年7月16日发布，新版本中共有新特性70+，涉及指标管理、数据模型、可视化大屏、数据挖掘等多个功能模块，大大提高了产品的易用性、美观性、性能、安全性和智能性。其中： 重要更新点：6个 新增功能点：30+ 增强功能点：30+ 一. 重要更新 1、仪表盘支持条件格式 … 电子表格。 4、指标模型支持在线编辑数据 指标模型的数据准备是项目实施的重要环节，但受限于数据的复杂性及技术门槛，过程比较漫长；Smartbi V10.5.8版本可直接在线编辑或导入Excel数据， 加快项目需求调研确认环节的交付时间，降低项目交付的风险。 在线编辑.png 5、数据模型支持向导创建自定义excel导入模板选择本地文件，显示的导入目录是C\fakepath
(此文档仅供参考) 问题说明： excel导入模板选择本地文件，我这这边配置的导入目录是E\报表开发，为什么显示的导入目录是C盘呢，而且我电脑上没有C\fakepath这个目录哦， 1.png2.png 解决方案： 是浏览器的安全性设置的问题，fakepath代替隐藏的路径名称，您可以参考这个文档了解一下https://blog.csdn.net/qq_35393869/article/details/93719943 https://blog.csdn.net/qq_35393869/article/details/93719943动态航线图-数据出不来
（本文仅供参考） 问题说明 参考地图-动态航线图-如何使用，修改宏代码后，数据一直出不来，确认宏代码已经修改好的情况下，还有什么原因导致实现不了？ 解决方案 检查拖入到图形中的数据，自助数据集、数据模型是否设置了抽取。 问题原因：因为设置了抽取，获取到的字段名称变了，因此宏代码就匹配不到数据了。 建议先用抽取将数据入库到实体表后再处理，否则需要针对性调整宏代码，就比较麻烦。 mceclip7_1720594331298_fmid7.png 动态航线图汇总求和 - 电子表格如何同时展现清单明细和汇总
在数据集层面，内存数据库最大返回单元格数的计算逻辑是：内存数据库最大返回单元格数=内存数据库最大返回行数*当前数据集的列 对于电子表格分组报表来说，为了进行各种公式运算，保证运算结果的准确性，需要把依赖的数据集所有结果集都加载到内存中，这时候，内存数据库最大返回单元格数的计算逻辑是：内 存数据挖掘-FP-Growth
的条件概率，相当于A和B同时出现的概率占A出现概率的比值。 假设今天共有10笔订单，其中购买A的次数是8，同时购买A和B的次数是6，则其置信度是6/8=75%。 从关联规则的可信程度角度来看，“购买A的顾客又会购买B”这个商业推测，有75%的可能性是成立的。 置信度体现了衡量关联规则的可靠性，置信度高说明物品数据挖掘-梯度提升回归树
概述 梯度提升回归树是梯度提升树算法，原理是训练多棵回归树，每棵树建立是基于前一课树的残差，基函数为CART树，损失函数为平方损失函数的回归算法。 示例 使用“波士顿房价预测”案例数据，预测波士顿房价。 图片34.png 其中，相关性分析是为了分析特征变量与目标变量的相关性系数，方便特征选择进入模型训练。 参数设置 梯度提升回归树参数如下： 参数名称 值 说明 归一化 方法选择 正则化 详情请参考 归一化 https://wiki.smartbi.com.cn/pages/viewpage.action?pageId=51941896设置方式
下的用户和用户组不继承当前数据权限。 根节点表达式 通过MDX语句设置用户可以访问的层次结构的最顶层成员，返回的是一个成员集。 合法性表达式 通过MDX语句来判断哪些成员可以访问，是对该层次结构所有成员的访问合法性校验。 MDX语法校验 按照MDX语法校验表达式的正确与否增强分析模块介绍
有价值的信息。对比传统的数据分析，预测分析揭示数据之间的未知关系，可以做一些预测性的分析，例如精准营销、销量预测、流失客户预警等等。 预测分析内置了丰富的、开箱即用的功能组件，包括“数据源接入 https://wiki.smartbi.com.cn/pages/viewpage.action?pageId=51941725 … 解锁未来的数据挖掘是对商业数据中的大量业务数据进行抽取、转换、分析和其他模型化处理，从中提取辅助商业决策的关键性信息的过程；数据挖掘揭示的是未知的数据关系。数据挖掘的知识领域涵盖了数据库技术、统计学知识、机器学习、可视化等多学科知识的综合应用。 3、特点 专业算法能力 预测分析内置50+挖掘组件，丰富机器学习力导向关系图/环形关系图
的两个节点之间添加一个引力，每次迭代节点会在各个斥力和引力的作用下移动位置，多次迭代后节点会静止在一个受力平衡的位置，达到整个模型的能量最小化。 2、力引导布局的结果有良好的对称性和局部聚合性，也比较美观。 组件设置 关系图的组件设置如下： 2022-02-18_14-49-10.png 各设置项的详细介绍
