第93页，共563页。 显示 5,625 条结果 (1.103 秒)
数据挖掘–指数平滑
进行预测的数据 输出 一个输出端口，用于输出预测后的结果 示例 如图，指数平滑节点输入端接入数据，可以使用对应的平滑算法对输入数据进行转换。 image2023-1-15_0-38-46.png image2023-1-15_0-39-0.png 输出结果中增加两列。第一列是拟合列，名称规则为被预测列的列名增加前缀，输出结果经过了指数平滑算法的拟合处理。另一列表明拟合列中的数据是否是预测结果，0表示是对历史数据的拟合，1表示是通过拟合数列对未来的预测。 image2023-1-15_0-39-15.png数据挖掘-SQL脚本
概述 SQL脚本支持手动输入SQL语言完成对数据进行处理和查询的任务。 输入/输出 输入 有4个输入端口 输出 只有一个输出端口，用于输出通过服务获取的数据。 参数设置 参数名称 说明 备注 视图名称 显示每个端口对应的表名 表名可修改 SQL脚本 编写SQL脚本的窗口 必填 示例 1) 拖动SQL脚本节点，并连接鸢尾花数据数据源。 image2021-9-23_17-52-4.png 2）更改表名为t0, 编写SQL脚本并点击确定保存. image2021-9-23_18-0-37.png 3数据挖掘–指数平滑
进行预测的数据 输出 一个输出端口，用于输出预测后的结果 示例 如图，指数平滑节点输入端接入数据，可以使用对应的平滑算法对输入数据进行转换。 image2023-1-15_0-38-46.png image2023-1-15_0-39-0.png 输出结果中增加两列。第一列是拟合列，名称规则为被预测列的列名增加前缀，输出结果经过了指数平滑算法的拟合处理。另一列表明拟合列中的数据是否是预测结果，0表示是对历史数据的拟合，1表示是通过拟合数列对未来的预测。 image2023-1-15_0-39-15.pngAnalysis Services 2005中数据完整性处理
数据完整性在关系数据库应用的比较广泛，特别是在OLTP系统中,但在ETL和加载数据到数据仓库（DW）时，缺乏提供数据完整性的通常处理，然在SSAS中，数据库管理员可以非常方便的处理这些问题。在SSAS中，可以通过空值处理和错误配置来设置数据完整性处理,其中空值处理和错误配置都和未知成员有关。下面就未知成员、空处 … Hidden时，指示这个成员将在结果中隐藏 缺省的取值为 None 如果你想改变未知成员的名字，可以修改维度的UnknownMemberName属性 2、空处理 空处理指定当遭遇空数据时如何处理，它有下面5中可能的值 ZeroOrBlank —这个选择告诉服务器转换NULL为0或者空值‘’ Preserve—这个选项实现参数允许为空且为空时查询不到数据
（本文档仅供参考） 问题 希望实现文本框没输入值，既要不报错，还要不输入查询不到数据，而不是获取全部数据 解决方案 注：以下示例以MYSQL为例，其他数据库需要自行调试 select `ProductName` from `products` where case when {[ 参数 is null ]} then 1 = 2 else {[ `ProductName` = 参数 ]} end image2023-11-10_17-52-2.png 实现效果数据挖掘-聚类算法
聚类算法常用于无监督学习问题。例如：客户价值细分：高价值客户，一般客户，低价值客户。 聚类：对大量未知标注的数据集，按数据的内在相似性将数据集划分为多个类别，使类别内的数据相似度较大，而类别间的数据相似度较小。 聚类算法数据挖掘-聚类算法
聚类算法常用于无监督学习问题。例如：客户价值细分：高价值客户，一般客户，低价值客户。 聚类：对大量未知标注的数据集，按数据的内在相似性将数据集划分为多个类别，使类别内的数据相似度较大，而类别间的数据相似度较小。 聚类算法自助仪表盘-线图的数据点个数
（本文档仅供参考） 问题说明 自助仪表盘线图中，发现线图中的小圆点个数并不是根据数据量大小来生成的，有的时候数据量很大，但是圆点个数反而更少，而小数据量时，圆点个数反而更多。 而且也并不是一条数据对应一个圆点，或者一个坐标轴数据对应一个圆点的，请问这个小圆点的个数是怎么来确定的，能否在不影响x轴显示步长的情况下，设置他显示的频度？ 解决方案 自助仪表盘的图形<数据点>是根据图形画布的大小以及输出行数，自适应地显示的个数（如下图所示），目前还没有办法去控制数据点的显示个数与频度。 同样的输出行数，在画布较大的情况，此时数据点个数会比画布较小的时候更多的。 image2018-12-3 10:41:5.png数据模型转换规则介绍
1 概述 转换规则是指查询时把数据库中各字段的内容按需要转换为熟悉的业务术语。比如， 对Code字段配置在线字段，对应关系如下： Code name 1 不适用 2 县域 3 非县域 4 重点县域 并且这种配置会适用多个模型，当前数据模型虽然可以用分组字段支持，但是到了另外一个模型还是要重新建一个分组字段，费时费力。 并且还有更复杂的转换，比如跨表，带查询条件，这些模型都没办法支持，所以数据模型支持了转换规则。 1、支持维度、度量、计算度量均支持设置转换规则。 2、命名集不支持设置转换规则。 3、转换规则的缓存机制需要跟着数据模型； 数据模型不缓存则不缓存，缓存部署Smartbi-Mining 数据挖掘
数据挖掘-实验引擎 负责接收smartbi 发送实验执行请求。 通过解析实验定义，生成spark 计算任务或python计算任务，分别发送给spark集群或python集群。 本身并不承担计算任务，只负责计算任务的调度跟分发。 数据挖掘-服务引擎 提供模型预测服务给第三方系统调用 … 数据 Zookeeper 用于实现数据挖掘实验引擎和数据挖掘服务引擎的高可用。 +部署数据挖掘引擎-单机 https://wiki.smartbi.com.cn/pages/viewpage.action?pageId=69737827 +部署数据挖掘引擎-集群 https
