第140页，共579页。 显示 5,789 条结果 (0.128 秒)
数据挖掘-停用词处理
概述 停用词处理是由于有些词频很高，但对文章却没有太多意义的语气词和助词等等，比如这、我、你们、吗等等，对这些词进行去掉处理以便能够更好的分析语义。常用于关键词提取分析。 输入/输出 输入 一个输入端口，用于需要过滤停用词的字段。 输出 一个输出端口，用于输出去掉停用词之后的结果。 参数设置 参数名称 说明 备注 字段选择 选择需要去除停用词的列 必填 停用词列表 在对话框填写停用词，每行填写一个停用词 必填 示例 使用“深圳企业信息”示例数据，选择分词后去除停用词的列(企业名称数据答疑-问答使用
在本文中，我们介绍如何使用Eagle的数据答疑。 提问 1、点击搜索文本框右侧的 我要提问，弹出“提问页”。 2.png 2、输入问题的各种信息后，点击 提问 ，如下： shujudayi.png 其中在问题的补充说明中可以使用@提及被问到的用户，可选择的用户列表是系统中的全部用户。如果设置为”私密问题“，那么被@的用户会自动被选中。 shujudayi02.png 问题提问之后，显示如下，可以修改/删除问题。 shujudayi03.png 3、提出问题后，我们可以查看提出问题的情况，也可以对问题进行修改、删除等操作。 5.png 4、问题中被@的用户或者私密问题中的被提及人会在 消息中心 > 私信 中仪表盘度量名称跳转查看具体的数据情况
: value, displayValue: value}] } // 调用打开资源接口，默认为：新窗口打开'NEW_WIN' page.openResourceByType(id, query, OpenType.NEW_WIN) } 3、目标表数据模型创建参数，参数使用case when散点热力地图显示正常，染色地图无数据显示
（本文档仅供参考） 问题现象 散点地图、热力地图都能根据区域标识正常显示，但是染色地图显示不正常，具体的设置及效果如下： 地图数据： 01.png 地图区域设置： 02.png 图形设置： 03.png 染色地图显示结果： 04.png 散点地图显示结果： 05.png 解决方案 echart地图处理逻辑如下： 查看散点地图执行option，option中包含坐标，则会根据【地图设置】-【区域标识】的字段与【公共设置】-【地图区域】-【数据映射名称】对比 然后通过【公共设置】-【地图区域】-【区域名称】或者【公共设置】-【地图区域】-【中心点经度坐标】/【公共设置】-【地图数据挖掘-统计分析
统计分析是指运用统计方法及与分析对象有关的知识，对数据进行统计处理与分析。 统计分析数据挖掘-统计分析
统计分析是指运用统计方法及与分析对象有关的知识，对数据进行统计处理与分析。 统计分析数据挖掘 - 模型自学习和模型批量预测使用示例
模型自学习&批量预测 在数据挖掘实验中新建一个机器学习建模流程（可以使用数据挖掘案例快速建一个，如 银行信用贷款预测 案例），运行成功并保存实验（用于模型自学习）。 worddav2bd02f14e58367b01af5ef305f4de2f9.png 2. 右键点击图中的抽取、训练节点，把它们所对应的算法 … 的实验流程，新建第二个数据挖掘实验（也可以用同一个案例再次新建）。然后把图中抽取、训练节点换成第二步中对应的已训练模型。运行成功并保存模型（用于模型批量预测）。 worddavd20313006d5217d93bc9ce244450ae6c.png 点击实验下方面板的模型批量预测图标，弹出的窗口点击保存数据挖掘 - 模型自学习和模型批量预测使用示例
模型自学习&批量预测 在数据挖掘实验中新建一个机器学习建模流程（可以使用数据挖掘案例快速建一个，如 银行信用贷款预测 案例），运行成功并保存实验（用于模型自学习）。 worddav2bd02f14e58367b01af5ef305f4de2f9.png 2. 右键点击图中的抽取、训练节点，把它们所对应的算法 … 的实验流程，新建第二个数据挖掘实验（也可以用同一个案例再次新建）。然后把图中抽取、训练节点换成第二步中对应的已训练模型。运行成功并保存模型（用于模型批量预测）。 worddavd20313006d5217d93bc9ce244450ae6c.png 点击实验下方面板的模型批量预测图标，弹出的窗口点击保存数据挖掘-TF-IDF
概述 一种统计方法，TF意思是词频，IDF意思是逆文本频率指数，用以评估一字词对于一个文件集或一个语料库中的其中一份文件的重要程度。字词的重要性随着它在文件中出现的次数成正比增加，但同时会随着它在语料库中出现的频率成反比下降。 TF-IDF值越高，说明该词越重要。 输入/输出 输入 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，选择数据挖掘-评分卡构建
aValue，bValue是通过设置的参数计算后所得，用于评分卡模型输出时的计算公式。 注意事项 作为评分卡构建的输入，逻辑回归模型必须使用WOE编码后的数据进行训练，且该WOE编码模型应同样接入评分卡构建节点。
