第137页，共677页。 显示 6,766 条结果 (0.572 秒)
数据模型演示参数全选且参数联动
（本文档仅供参考） 需求 如果在数据模型中实现参数联动（区域联动省份），且参数默认全选呢？ 实现方案 1、创建SQL私有查询，并设置两个参数，具体SQL：select * from `orders` where ({[ `ShipRegion` in ( ${区域 … ('a','b','c','d')，此时才能正常执行SQL返回数据； b.如果SQL查询中写的是"="，控件类型需要控件类型需要选择"单选"，因为单选拼接格式 ('a,b,c')，此时才能正常执行SQL返回数据； c.默认值设置all，实现参数数据挖掘-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-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数据模型IIF函数使用示例
（本文档仅供参考） 问题 数据模型中的IIF函数如何使用？ 方案 1、判断条件为数值型 参考表达式：IIF(数值型字段>1,表达式1,表达式2) 表达式说明：满足条件则返回表达式1，不满足则返回表达式2。 图1.png 2、判断条件为字符串 参考表达式：IIF(维度.currentmember.caption = "xxx",表达式1,表达式2) 图2.png 以上两种情况预览数据效果如下： 图3.png 注：iif返回表达式类型，需⬝ 使用Gbase 8S V8.4数据库作为知识库
V8.5.5 及之后的版本支持Gbase8S V8.4作为知识库。 配置步骤如下： 步骤 说明 1、添加驱动包 Gbase8S V8.4 的驱动包image2018-12-5 14:24:36.png（可联系数据库厂商获取） 。 将驱动包放在\Smartbi_Insight\Tomcat\webapps\smartbi\WEB-INF目录下。 2、创建Gbase 8S知识库 1）打开Gbase（版本为8S V8.4）数据库，弹出“创建新连接”界面，选择新连接类型：Gbase8t 。image2018-12-17 11:9:48.png 2）点击 下一步 ，输入配置信息，如图使用Gbase8S V8.4数据库作为知识库
V8.5.5 及之后的版本支持Gbase8S V8.4作为知识库。 配置步骤如下： 步骤 说明 1、添加驱动包 Gbase8S V8.4 的驱动包image2018-12-5 14:24:36.png（可联系数据库厂商获取） 。 将驱动包放在\Smartbi_Insight\Tomcat\webapps\smartbi\WEB-INF目录下。 2、创建Gbase 8S知识库 1）打开Gbase（版本为8S V8.4）数据库，弹出“创建新连接”界面，选择新连接类型：Gbase8t 。image2018-12-17 11:9:48.png 2）点击 下一步 ，输入配置信息，如图电子表格获取首行和末行数据
（本文档仅供参考，仅适用于本文档中的示例报表/场景，若实际报表/场景与示例代码无法完全适配（如使用功能不一致，或多个宏代码冲突等），需根据实际需求开发代码。） 问题描述： 如下一个电子表格模板，销售量在数据集中进行了排序，由于数据较多，当需要看到销售量最少的数据时，需要下拉到电子表格最后才能看到，有什么方案能够直接获取到电子表格的首行和末行数据呢？ image2021-4-6_11-15-28.png 解决方案： 可通过如下代码进行获取。注意：此获取的是当前页面的首行值和最末值，也就是说当报表为清单报表分页时，获取到的是当前页面的第一行和最后一行，而不是总体数据排序后的首行和末行。 服务端宏如下数据模型实现动态查询列效果
方式一：动态查询维度字段 步骤1、数据模型添加SQL子查询； 步骤2、写入SQL语句，其中select输出字段中添加参数，如下图所示： image2023-11-6_20-43-7.png 步骤3、保存SQL查询后，在数据模型层映射参数，设置参数默认值备选值 image2023-11-6_20-43-37.png 步骤4、保存数据模型后，基于该数据模型创建报表，拖拽动态查询列，可发现效果如下： image2023-11-6_20-44-2.png 注：该方式更适用于维度字段实现动态查询的效果； 方式二：动态查询度量字段 步骤1、数据模型层新建参数，将要动态查询的度量字段添加，如下图所示数据挖掘-K均值
概述 K均值算法是一种简单的迭代型聚类算法，采用距离作为相似性指标，从而发现给定数据集中的K个类，且每个类的中心是根据类中所有值的均值得到，每个类用聚类中心来描述。它的聚类目标是以欧式距离作为相似度指标，使得各类的聚类平方和最小。 示例 使用“航空公司客户价值分析”案例数据，分析客户为高价值客户 … 。 标准化 最小最大值归一化 最大绝对值归一化 K值 取值范围是：>=2的整数，默认值为2 期待将数据聚类的数目； 随机种子 参数范围为：任意整数，默认值为：2。 初始化时随机选择类中心点的随机种子。seed设置为固定值，每次聚类结果是稳定数据挖掘-WOE编码
概述 WOE编码是评分卡模型常用的数据处理步骤，用于对所选特征值进行WOE编码，并计算IV值，且可根据IV值做特征选择。 输入/输出 输入 一个输入端口，用于接收需要进行WOE编码的数据集。 输出 两个输出端口，输出1是用于输出WOE编码转换后的数据集，输出2是WOE编码模型。 参数设置 参数名称 说明 备注 选择列 用于选择进行异常值处理设置的字段。 31.png 必填（特征列中不能含有null） 分箱方式 分位数分箱：根据设置的数值算出对应的分位数，按照算出的分位数对字段进行分箱。 自定义
