第82页，共287页。 显示 2,865 条结果 (0.026 秒)
Web电子表格-界面介绍
组件 背景 用于设置组件的背景，支持单色和图片两种方式。 边框 用于设置组件边框的样式、宽度和颜色。 字体 用于设置组件中的标签字体，包含大小、颜色等。 标题 用于并行流程应用-预算计划审批 ⬝ 流程实现详情
的审批流程如下： image2020-9-22_11-44-14.png 该流程的实现步骤如下： 1、 新建流程：在“公共设置”界面单击“新建流程”快捷菜单，进入“新建流程”初始界面。 图片16.png 2、 设置流程审批的报表：可以在新建的初始界面时设置，也可以单击画布空白处后，显示流程基本信息时设置文件上传的审核流程 ⬝ 流程实现详情
补录审批流程 按照项目资料补录审批的需求分析，我们确定的审批流程如下： image2021-10-21_10-10-8.png 该流程的实现步骤如下： 1） 新建流程：在“公共设置”界面单击“新建流程”快捷菜单，进入“新建流程”初始界面。 图片16.png 2） 单击画布空白处，在右侧基本信息中设置流程所用页签组件
”。 image2022-1-6_17-26-39.png ② 【组件】：修改背景颜色为透明。 image2022-1-6_17-32-9.png 3. 在主题区更改仪表盘背景为图片，如图所示： image2022-1-25_15-36-7.png 4. 删除页签3 image2022-1-25_15-34-3.png新移动端-报表发布
中报表，在其更多操作image2019-10-18 17:54:40.png中选择 属性，在“移动端缩略图”设置项上传图片即可。 image2019-10-16 13:47:22.png 效果如图： image2019-10-16 13:45:14.png 发布主题界面说明 主题发布的设置界面主要涉及三部数据挖掘-产品简介
森林、朴素贝叶斯、支持向量机、线性回归、K均值、高斯混合模型。 33.png 3.Smartbi Mining应用场景 Smartbi Mining能做到在大量数据里面，发现数据的规律并且揭示数据之间的关系，从而对以后的业务趋势进行预测，可以应用到下面各种应用场景去： 图片1.png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。 逻辑数据挖掘-决策树
概述 决策树是一种常用的分类算法，它是一种树形结构，其中每个内部节点表示一个属性上的测试，每个分支代表一个测试输出，每个叶节点代表一种类别。根节点到每个叶子节点均形成一条分类的路径规则。而对新的样本进行测试时，只需要从根节点开始，在每个分支节点进行测试，沿着相应的分支递归地进入子树再测试，一直到达叶子节点，该叶子节点所代表的类别即是当前测试样本的预测类别。 优势：可直接查看决策树分析的可视化效果，如下图： 图片21.png 示例 使用“糖尿病预测”案例数据，预测是否有糖尿病。 image2020-6-4 16:59:46.png 特征转换是为了将各变量中的类别型变量变换成数值型变量，类别型无法进入模型数据挖掘-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数据挖掘-线性回归
概述 一种常用的回归方法，它是利用数理统计中回归分析，来确定两种或两种以上变量间相互依赖的定量关系的一种统计方法，通过凸优化的方法进行求解，以达到预测评估的效果。 示例 使用“波士顿房价预测”案例数据，预测波士顿房价。 图片35.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。 线性回归的参数如下： 参数名称 值 说明 归一化 正则化 详情请参考 归一化 https://wiki.smartbi.com.cn/pages/viewpage.action?pageId=51941896 介绍说明
