第153页，共579页。 显示 5,789 条结果 (0.165 秒)
数据模型 ⬝ 场景示例
数据库连接示例
数据准备
数据采集
@self数据准备
Smartbi JDBC for Excel数据连接
数据(列)权限示例
列权限控制，详参:实现某个字段权限设置。数据挖掘-预测
概述 预测节点是根据训练集以及各种分类或回归算法对测试集进行结果预测。 输入/输出 输入 两个输入端口，左边输入为已训练的模型或者已保存的模型，右边输入为测试集。 输出 一个输出端口，输出测试集的预测结果。 示例 以逻辑回归为例，如下图： 图片41.png 点击预测节点右键可查看预测结果输出。 输出字段 输出字段 概念及其作用 features 特征向量，是由特征列组成的特征向量。 featuresNormalized 归一化后的特征向量，将特征向量进行归一化转换。 rawPrediction 直接概率，即每个可能标签置信度的度量。 p数据挖掘-评估
概述 评估节点是对分类算法模型和回归模型的预测效果进行评估，检验模型在分类任务中的表现或者检验其在回归任务中的可靠性。 “评估”节点的前置节点必须是“预测”。 输入/输出 输入 只有一个输入端口，用于接收预测结果。 输出 没有输出端口。 示例 图片42.png 点击右键可以查看评估结果。针对分类与回归及无监督算法提供不同的评估指标。 分类预测模型评价指标如下图： image2020-11-9_11-7-13.png 回归预测模型评价指标如下图： image2020-11-9_11-8-36.png 聚类分析效果如下图： 图片45.png 评估数据挖掘-模型系数
概述 算法经过训练之后，会明确每个特征（自变量）对于标签（因变量）的影响系数。模型系数就是将每个特征的系数输出。目前适用于线性回归、二分类、FP-Growth等。 输入/输出 输入 一个输入端口，用于接收算法训练结果。 输出 一个输出端口，用于将每个特征的系数输出。 示例 以逻辑回归算法为例，如下图： 图片46.png 点击右键查看模型系数的分析效果，可查看特征选择中每个特征的系数输出，如下图所示： 图片47.png 模型系数
