第235页，共371页。 显示 3,707 条结果 (0.034 秒)
创建知识库对象
。 @Type 属性type声明字段类型 默认不需要增加此标注，只在以下两种情况需要： 当字段类型为CLOB时，将此字段声明了类型 smartbi.repository.StringClobType以修正Oracle中CLOB操作可能出现的问题； 当字段类型为Varchar并且需要将此字段映射 … = "smartbi.repository.StringClobType")，以便修正Oracle中CLOB操作可能出现的问题。 （5）当需要使用多对一、一对多、多对多映射时，需要额外添加@OneToMany(fetch = FetchType.LAZY, mappedBy = "user")和@Cache(usage系统运维
/viewpage.action?pageId=44500227 检查系统的完整性和正确性，提示存在的问题以便对系统进行修复优化。 备份知识库 http://wiki.smartbi.com.cn:18081/pages/viewpage.action?pageId=44500250 对知识库的数据进行备份，可以用于知识库迁移 … ://wiki.smartbi.com.cn:18081/pages/viewpage.action?pageId=44500253 记录系统的运行情况。如：启动信息、报错信息，方便系统问题的监控及跟进。 重建索引 http://wiki.smartbi.com.cn:18081/pages/viewpage.action数据挖掘-快速入门
/52627427/%E5%BF%AB%E9%80%9F%E5%85%A5%E9%97%A81.mp4?version=1&modificationDate=1592875303000&api=v2 本文档将按照如下流程，以客户流失问题为背景，为您介绍如何快速在Smartbi Mining上搭建实验： 流程图1126.png 案例背景 现在银行产品同众化现象普遍存在，客户选择产品和服务的途径越来越多，客户对产品的忠诚度越来越低，所以客户流失已经成为银行业最关注的问题之一。其实，银行流水数据反应了客户使用银行卡的行为特点，通过对这些数据进行深入分析，挖掘不同类别客户的特点，有针对性地进行营销，加强客户关系管理，提高客户与我行粘度，减少数据挖掘-多层感知机
为：[0.00000001, 0.000001]，默认值为 ：0.000001 收敛误差值，当损失函数取值优化到小于收敛阈值时停止迭代。 优化算法 · l-bfgs：有限内存中进行BFGS算法 · gd：梯度下降法 解决函数最优化问题时使用的算法。 学习率 参数范围为 … 、precision、recall、accuracy、AUC(二分类)。 其中，评估标准“AUC(二分类)”仅对二分类问题生效。 参数 自动调参的参数项。 注意： 优化算法的范围支持多选。 其他参数默认的范围提供了一个推荐值，并不是算法限制的最大值和最小值。 指定值调参 指定值 指定创建知识库对象
。 @Type 属性type声明字段类型 默认不需要增加此标注，只在以下两种情况需要： 当字段类型为CLOB时，将此字段声明了类型 smartbi.repository.StringClobType以修正Oracle中CLOB操作可能出现的问题； 当字段类型为Varchar并且需要将此字段映射 … = "smartbi.repository.StringClobType")，以便修正Oracle中CLOB操作可能出现的问题。 （5）当需要使用多对一、一对多、多对多映射时，需要额外添加@OneToMany(fetch = FetchType.LAZY, mappedBy = "user")和@Cache(usage漏斗图
image2018-9-7 11:21:31.png 右升序漏斗图 image2018-9-7 11:22:39.png 优势 展示业务流程每个步骤的转化率，能够直观地发现和说明问题所在。 劣势 单一漏斗图无法评价业务流程的某个关键流程中的各细分步骤转化率的好坏。 漏斗图适用于业务流程比较规范、周期长、环节多的单流程单向业务分析，通过漏斗中各环节业务数据的比较，能够直观地发现和说明问题所在的环节，进而做出决策。 配图建议 一个分类数据字段、一个数值数据字段。 适用场景 漏斗图适用于业务流程多的流程分析，显示各流程的转化率。 不适用场景：漏斗图不适合表示无逻辑顺序数据挖掘-支持向量机
向量机算法是以极大化类间间隔为目标，并以之作为最佳分类超平面，其中定义的类间间隔为两类样本到分类超平面的最小距离，通过引入松弛变量，使支持向量机能够解决类间重叠问题，并提高泛化能力。 它的主要优势为： 1）特征映射，有效区分。 2）约束性求优，更加准确区分类别。 示例 使用“银行信用贷款预测 … 数据的评估指标，包括：f1、precision、recall、accuracy、AUC(二分类)。 其中，评估标准“AUC(二分类)”仅对二分类问题生效。 参数 自动调参的参数项。 指定值调参 指定值 指定一个固定的值进行自动调参。需要先勾选“是否使用指定值”才能配置。 是否使用指定值数据挖掘-随机森林
概述 随机森林指的是利用多棵树构成森林对样本进行训练并预测的一种分类器。但是每棵决策树之间没有关联，每棵树都是基于随机抽取的样本和特征进行独立训练。 随机森林算法广泛应用于分类问题。其是决策树的组合，将许多决策树联合到一起，以降低过拟合的风险。随机森林支持连续数据或离散数据进行二分类或多分类。 优势：可反映出 … 类)。 其中，评估标准“AUC(二分类)”仅对二分类问题生效。 参数 自动调参的参数项。 计算信息增益的方式：裂分标准，Entropy表示熵值，Gini表示基尼指数； 分裂特征数量：对连续类型特征进行离散时的分箱数； 注意： 计算信息增益的方式的范围支持多选。 其他参数默认的范围提供在各种服务器下的日志获取
获取服务器日志 1、提供smartbi的日志，需要找到smartbi.log并发回。这里就涉及到smartbi.log日志如何查找的问题： 如果是使用smartbi的安装包安装的话，那么是在Tomcat\bin目录下的。 如果是使用war包进行部署，那么一般是由客户自己定义日志文件的路径的，可以让用户 … 日志查询 东方通日志存放在部署目录下的logs，以东方通7.0为例，<部署目录>/TongWeb7.0/logs。 jvm.log：JVM相关的日志信息 server.log：东方通应用的日志，通常排查问题都是查看此日志 image2021-10-14_16-32-9.png 不同服务器的日志获取数据挖掘-快速入门
/52627427/%E5%BF%AB%E9%80%9F%E5%85%A5%E9%97%A81.mp4?version=1&modificationDate=1592875303000&api=v2 本文档将按照如下流程，以客户流失问题为背景，为您介绍如何快速在Smartbi Mining上搭建实验： 流程图1126.png 案例背景 现在银行产品同众化现象普遍存在，客户选择产品和服务的途径越来越多，客户对产品的忠诚度越来越低，所以客户流失已经成为银行业最关注的问题之一。其实，银行流水数据反应了客户使用银行卡的行为特点，通过对这些数据进行深入分析，挖掘不同类别客户的特点，有针对性地进行营销，加强客户关系管理，提高客户与我行粘度，减少
