第148页，共486页。 显示 4,854 条结果 (0.1 秒)
weblogic打印线程信息和堆Dump文件
要求JDK版本为1.6及其以上版本。 1、在运行中打开cmd命令行窗口。 2、在cmd窗口进入JDK的bin目录下，执行jps获取进程信息，此处要保证执行的JDK是服务器使用的JDK。 image2017-7-19 17_18_28.png 命令行：cd F:\WebLogic\jdk160_18 … -F参数强制生成jstack -F 进程号 >进程号.log 上边截图获取到进程号是17348，可输入命令行：jstack 17348 >17348.log image2017-7-20 9_36_6.png image2017-7-20 9_45_35.png 或者：输入命令行：jstack -F 17348Smartbi V10-数据挖掘
词向量节点 +【数据挖掘】新增聚类评估节点，用于呈现聚类算法常见评价指标值 ^【自助ETL/数据挖掘】关系数据源支持参数设置 ^【自助ETL/数据挖掘】关系数据源支持分区设置，提升数据抽取效率 ^【数据挖掘】关系目标表（追加）节点追加数据前支持删除表中数据 ^【自助ETL/数据挖掘】元数据编辑支持修改原 … 】增强整个页面的操作 ^【自助ETL/数据挖掘】支持缓存节点数据，减少执行实验等待时间 ^【自助ETL/数据挖掘】支持多节点分组收缩和展开 <【自助ETL/数据挖掘】关系目标源拆分为追加、覆盖、插入或更新数据节点 <【数据挖掘】拆分归一化算法为多个节点 +【数据挖掘】新增自助数据预览
1 概述 系统支持对整个数据模型的结果预览，可以快速的查询数据。 2 操作说明 1、若数据模型含有参数，预览的是参数默认值返回的数据结果。 2、如模型为抽取模式，预览的是上一次抽取后的数据；直连模式则是实时取业务库的数据。 3、如果预览数据量较大，用户可以自动手动取消查询请求。 4、注意：整个模型的数据预览与 表数据区预览数据之间的关系，二者定位不同；前者主要用于查数，后者更多是为了发现建模过程种的问题，只是显示私有查询的表数据，不会做其他操作。 5、可能对设置及修改查询感兴趣。 数据模型保存后，单击工具栏中的 预览数据 按钮，在显示预览窗口查看数据： 选项 内容 入口 点击工具栏的 预览数据挖掘-全表统计
输出 没有输出端口 参数设置 参数名称 说明 备注 选择列 选择需要统计的特征列（列数<=10） 必填 可选统计 选择需要的指标进行统计分析。可选的指标：偏度、峰度、总和、众数、方差、标准差、缺失值。 使用全表统计节点默认统计的指标：行数、最大值、最小值、平均值、下四分位、中位数、上四分位、唯一值。 连续数据分桶数 设置连续数据分桶数，分桶数为>=2的整数，统计结果中，数值变量会按照这个分桶数来分箱展示 必填 显示异常值 设置是否在箱线图中显示异常值。默认不勾选。 示例 使用“鸢尾花数据挖掘-TF-IDF
没有输入端口 输出 一个输出端口，与抽取、变换节点组合使用。 参数设置 参数名称 说明 备注 特征项数 输入的数值n，代表算法最终会筛选出TF-IDF值最高的n个词 必填 示例 图片3.png 效果 使用“垃圾短信识别”数据，选择分词后的文本列_c2_seg_words_filtered，设置的特征项数为10，进行统计TF-IDF，输出结果如下图： 图片4.png tf-idf数据挖掘-卡方特征选择
，用于接收前置节点传下来的数据集。 输出 一个输出端口，用于输出接收到的数据集。 参数设置 参数名称 说明 备注 选择特征列 用于设置待选择的特征列(人工选择可能相关的特征列) 必填（特征列中不能含有null） 选择标签列 用于设置标签列字段 必填 需选择的特征数量 用于设置从待选择的特征列中输出特征列的数量 必填（范围是[1,已选择特征的数量]的整数） 示例 卡方特征选择中输入和输出的数据集结果一致。 使用“鸢尾花数据”，选择4个特征列和1个标签列以及设置需选择的特征数量为2，根据卡方特征选择的分析结果数据挖掘-特征离散
概述 特征离散的作用是将连续的数据进行等距离散化，就是把连续特征分段，每一段内的原始连续特征无差别的堪称同一个新特征，用户可以根据数据的特征自定义离散区间。 输入/输出 输入 没有输入端口 输出 一个输出端口，用于接入下一个节点，与抽取节点组合使用。 参数设置 参数名称 说明 备注 离散区间数 选择需要进行离散化的特征列，必须是数值列 必填范围是>=2的整数，默认为10 新增列后缀 离散后会生成新的字段，默认在原有字段名后追加Buckrizer后缀。该后缀支持修改。后缀默认值为Buckerizer数据挖掘-卡方特征选择
，用于接收前置节点传下来的数据集。 输出 一个输出端口，用于输出接收到的数据集。 参数设置 参数名称 说明 备注 选择特征列 用于设置待选择的特征列(人工选择可能相关的特征列) 必填（特征列中不能含有null） 选择标签列 用于设置标签列字段 必填 需选择的特征数量 用于设置从待选择的特征列中输出特征列的数量 必填（范围是[1,已选择特征的数量]的整数） 示例 卡方特征选择中输入和输出的数据集结果一致。 使用“鸢尾花数据”，选择4个特征列和1个标签列以及设置需选择的特征数量为2，根据卡方特征选择的分析结果数据挖掘-特征离散
概述 特征离散的作用是将连续的数据进行等距离散化，就是把连续特征分段，每一段内的原始连续特征无差别的堪称同一个新特征，用户可以根据数据的特征自定义离散区间。 输入/输出 输入 没有输入端口 输出 一个输出端口，用于接入下一个节点，与抽取节点组合使用。 参数设置 参数名称 说明 备注 离散区间数 选择需要进行离散化的特征列，必须是数值列 必填范围是>=2的整数，默认为10 新增列后缀 离散后会生成新的字段，默认在原有字段名后追加Buckrizer后缀。该后缀支持修改。后缀默认值为Buckerizer数据挖掘-全表统计
输出 没有输出端口 参数设置 参数名称 说明 备注 选择列 选择需要统计的特征列（列数<=10） 必填 可选统计 选择需要的指标进行统计分析。可选的指标：偏度、峰度、总和、众数、方差、标准差、缺失值。 使用全表统计节点默认统计的指标：行数、最大值、最小值、平均值、下四分位、中位数、上四分位、唯一值。 连续数据分桶数 设置连续数据分桶数，分桶数为>=2的整数，统计结果中，数值变量会按照这个分桶数来分箱展示 必填 显示异常值 设置是否在箱线图中显示异常值。默认不勾选。 示例 使用“鸢尾花
