第107页，共243页。 显示 2,430 条结果 (0.575 秒)
数据挖掘-文本分析
文本分析是对文字类型的数据进行处理的方法，即从大量文本数据中抽取出有价值的知识，并且利用这些知识重新组织信息的过程。 文本分析数据挖掘-主题-词分布（LDA）
概述 主题-词分布（LDA）指的是LDA模型训练后输出的每个主题和每个主题输出的词及概率分布。 常用于做词云图分析。 参数设置 参数名称 说明 主题词数 每个主题输出的词数。 示例 使用文本数据，分析主题词分布情况以及各词的概率权重。主题-词分布（LDA）设置的参数每个主题输出的词数为8，输出结果如下： 图片8.png 其中topic0-5表示输出的5个主题的概率权重，termName表示输出的词，其中主题概率为0.0表示该主题所对应的词是没有的。termCode表示输出的词编码。 主题-词分布（lda）数据挖掘-评分预测
概述 评分预测使用训练好的评分卡模型对具体数据进行预测，用于输出最终的信用评分。 输入/输出 输入 两个输入端口，输入1接收训练好的评分卡模型，输入2接收训练数据 输出 一个输出端口，用于输出预测结果 示例 图片1.png 查看输出可看到具体的预测结果： 图片2.png 注意事项 评分预测接入的数据必须为WOE编码之前的数据，且选取的特征应与进行WOE编码的特征相同。数据挖掘-评分卡输出
概述 评分卡输出用于查看已训练的评分卡模型中，各个变量离散后各分箱的WOE值，iv值及其对评分分数的贡献，可作为对评分卡模型的分析。 输入/输出 输入 一个输入端口，接收训练好的评分卡模型 输出 一个输出端口，用于输出评分卡分析结果 示例 图片3.png 评分卡输出节点的输出结果具体如下： 图片4.png 其中，前三列为各个变量的分箱信息；woe值和IV值反映了该变量分箱的预测偏向和能力；最后两列为该变量分箱对应的转换前和转换后的评分分数，由评分卡模型输出。系统选项-多维分析
针对多维分析的设置项 界面介绍 在“系统选项”界面，选择 多维分析。 系统选项-多维分析.png 各设置项说明如下： 设置项 说明 默认值 打开时自动刷新 多维分析在仪表盘以普通浏览方式打开时是否自动刷新数据。 是 切换参数自动刷新 多维分析切换参数后是否自动刷新报表数据。 是 探索是否自动刷新报表 多维分析在仪表盘中以探索方式打开时是否自动刷新数据。 否 报表保存时参数使用默认值 多维分析保存时参数是否使用默认值，“否”表示使用保存时的值。 否 行分页显示 多维分析行方向是否以分页的样式显示。 是 每页行数电子表格⬝ 分片报表
报表简介 分片报表，是指在报表中通过一个或多个表格展现单源或多源数据的一类报表。 作用：用于多维度统计数据。 适用场景：适用多源数据展现。 报表布局：分片报表的表格布局没有规律，根据实际业务需求进行规划。 示例效果 以下列出了分片报表的几种示例效果： 示例 分析说明 示例1：同表格中数据左右分片 image2019-6-25 14:45:7.png 该分片报表，虽然展示的是一个表格，但是隐含了两个表格的信息：分别按照区域和月份统计不同产品类别下的产品销售额情况。 由于统计的都是相同的对象“产品”，且产品信息在该报表中位于行头位置，在产品的基础上再分别综合区域和月份电子表格⬝ 分组报表
报表简介 分组报表是以分组表结构展现数据的一类报表，单元格间的逻辑关系较之清单报表复杂。 作用：用于分组分级记录或查询数据。 适用场景：适用数据记录、查询的情况。 报表结构：分组报表主要由有“列头+分组区+数据区”和“行头+分组区+数据区”两种结构，如下图： image2019-6-25 10:59:0.png image2019-6-25 11:3:23.png 示例效果 下表是最常见的一类分组报表： image2022-3-1_14-39-10.png 本示例效果数据来源为模型查询。 若是希望使用旧数据集作为数据来源，则需更新授权包含旧数据集的License文件；若是希望使用关系数据源、透视多维分析参数实现多选
（此文档仅供参考） 问题： 多维分析中的参数实现多选，如下 01.png 解决方案 在创建多维参数时参数类型选择成员集 02.png 效果如下 03.png透视分析接口文档
透视分析二次开发交互式仪表盘 ⬝ 分析数据
