第30页，共53页。 显示 526 条结果 (0.024 秒)
自定义计算度量
。 添加查询时到模型，会自动识别度量，并且在存放在度量区以 查询 名称 命名的目录下。 目录目前仅支持一级目录。 编辑 建好了计算度量，如果发现数据不对，可以重新进入页面编辑 复制 在写好了一个计算度量，如果发现后面的度量也差不多是这个定义，可以先复制，再编辑微调，这样子可以提高数据挖掘-梯度提升决策树
概述 梯度提升决策树原理是训练多棵CART分类树，每棵树建立是基于前一课树的残差，不断的迭代拟合前一课树的残差，通过损失函数的负梯度来拟合，直到残差达到最小。 示例 使用“银行零售客户流失”案例数据，包含17个特征列和1个二类的目标标签。需要对银行客户预测是否流失。通过数据预处理及模型训练，如下图： image2020-6-4 16:33:34.png 其中，特征离散是将年龄、卡龄等数据离散化，是为了提高模型的准确度，提高运行速度。 模型构建中，梯度提升决策树的各个参数： 参数名称 值 说明 归一化 正则化 详情请参考 归一化 https数据挖掘-逻辑回归
概述 逻辑回归是一种分类算法，它进行分类的主要思想是：根据现有数据对分类边界线建立回归公式（寻找到最佳的拟合直线），以此进行分类。简单来说，它就是利用Logistic函数拟合数据来预测某一个事件发生的概率。 该算法可用于二元及多元分类问题，是分类算法的经典算法。对于二分类问题，算法输出一个二元逻辑回归模型。对于多分类问题，算法会输出一个多维逻辑回归模型。 示例 使用“银行零售客户流失”案例数据，包含17个特征列和1个二类的目标标签。需要对银行客户预测是否流失。通过数据预处理及模型训练，如下图： 图片30.png 其中，特征离散是将年龄、卡龄等数据离散化，是为了提高模型的准确度，提高运行速度。 逻辑Smartbi V10.5-社交协同
界 背景介绍 在大数据时代，人人都可进行数据分析，那要如何降低学习成本、提高数据分析的效率、展开有趣的数据探索之旅呢？ 对此，Smartbi 推出 “对话式分析”，用户可在PC端和移动端上实现所问即所答，帮助用户降低分析门槛，使得非技术人员都能参与其中。让企业管理人员能随时随地进行精细化分析管理。 功能简介 … 对于 企业管理人员 来说，可以在移动端上进行对话式分析，能随时随地通过提问获取企业经营情况，提高企业管理效率。 对话式分析-移动端.png 注意事项 （1）“对话式分析”功能依赖 “自然语言分析模块” 提供服务，需事先参考 部署 Smartbi-NLA 自然语言分析 https数据挖掘-梯度提升决策树
概述 梯度提升决策树原理是训练多棵CART分类树，每棵树建立是基于前一课树的残差，不断的迭代拟合前一课树的残差，通过损失函数的负梯度来拟合，直到残差达到最小。 示例 使用“银行零售客户流失”案例数据，包含17个特征列和1个二类的目标标签。需要对银行客户预测是否流失。通过数据预处理及模型训练，如下图： image2020-6-4 16:33:34.png 其中，特征离散是将年龄、卡龄等数据离散化，是为了提高模型的准确度，提高运行速度。 模型构建中，梯度提升决策树的各个参数： 参数名称 值 说明 归一化 正则化 详情请参考 归一化 https数据挖掘-逻辑回归
概述 逻辑回归是一种分类算法，它进行分类的主要思想是：根据现有数据对分类边界线建立回归公式（寻找到最佳的拟合直线），以此进行分类。简单来说，它就是利用Logistic函数拟合数据来预测某一个事件发生的概率。 该算法可用于二元及多元分类问题，是分类算法的经典算法。对于二分类问题，算法输出一个二元逻辑回归模型。对于多分类问题，算法会输出一个多维逻辑回归模型。 示例 使用“银行零售客户流失”案例数据，包含17个特征列和1个二类的目标标签。需要对银行客户预测是否流失。通过数据预处理及模型训练，如下图： 图片30.png 其中，特征离散是将年龄、卡龄等数据离散化，是为了提高模型的准确度，提高运行速度。 逻辑【安全误报】后门文件-getcputime.jsp
说明：此类文件为标准产品功能页面，经评估为误报，建议通过加入白名单或优化页面以确保安全性和功能完整性，避免影响用户体验。 问题描述： 安全检测后，提示存在后门文件getcputime.jsp image2022-8-30_16-26-6.png 解决方案 ： 该文件可获取当前服务器cpu使用情况，用于系统使用过程中出现与系统性能相关问题时，收集信息进行问题分析使用。 若项目特殊安全要求需要移除的，可在war包中对应的路径中将该jsp移除，移除该文件不需要重启服务器，需注意的是每次进行war包更新时都要进行移除。如不希望每次都进行移除的，也可定制将该请求进行屏蔽。 注：V856（2020-10-15），V95【安全误报】后门文件-listgc.jsp
说明：此类文件为标准产品功能页面，经评估为误报，建议通过加入白名单或优化页面以确保安全性和功能完整性，避免影响用户体验。 问题描述 安全检测后，提示存在后门文件listgc.jsp。 解决方案 该文件存放的是Smartbi的所有垃圾回收活动，用于系统使用过程中出现与系统性能相关问题时，收集信息进行问题分析使用。其作用类似于打印堆的命令。 若项目特殊安全要求需要移除的，可在war包中如下截图路径中将该jsp移除。移除后出现问题需要收集信息时，需通过执行打印堆命令进行收集，不影响其它功能正常使用。 移除该文件不需要重启服务器，需注意的是每次进行war包更新时都要进行移除，如不希望每次都进行移除的，也可定制将该请求设置查询关系 ⬝ 设置查询关系 ⬝ 双向筛选介绍
数据)。 如果创建多个潜在的查询路径，可能会无意中造成歧义，若要避免这两个问题，请规划使用单向和双向筛选器的组合。 建议尽量减少使用双向关系， 此类关系可能会对数据模型查询性能产生负面影响。 双向筛选可以满足特定要求的场景有以下三种： 同步筛选器值 1 特殊模型关系 在创建以下特殊模型 … “T-shirt”。 此项表示唯一销售给”西北“的产品”： 3.3.png 首先，建议仔细考虑这种设计是否适用于报表用户。 一些报表用户觉得这种体验令人困惑， 不理解为什么在自己与其他筛选器交互时，筛选器值会动态显示或消失。 此外，双向关系需要更多处理，因此可能会对查询性能产生负面影响，尤其是在模型中的双向关系数量增加时数据挖掘-高级功能
为了提高数据挖掘的工作效率，Smartbi Mining 提供以下功能： 高级功能
