第12页，共561页。 显示 5,602 条结果 (0.049 秒)
数据模型-连接模式
连接模式类型 数据模型的数据连接模式有两种： 直连：连接到业务库，直接从业务库中取数。 抽取：连接到高速缓存库，从缓存库中取数；抽取模式可以保证秒级获取大级别量的数据结果，提高系统性能。 连接模式选择入口 在数据模型的“表关系区”右上角含有连接模式切换键：连接模式的选中状态以蓝底显示。 image2022-2-5_15-36-2.png 连接模式选择原则 类型 原则 直连 数据模型中的数据源表、SQL查询、即席查询，若来源于相同的数据源，则可以选择直连模式； 数据模型中仅含SQL查询，当点击保存后，若检测到连接的数据库允许该SQL查询作为子查询，则允许直连模式； 抽取数据挖掘 – 相似集计算(LSH)
该功能为V10.5版本功能。 概述 使用训练好的LSH模型，对两份数据中的向量进行相似度匹配，把相似度距离低于预设阈值的组合输出到结果。 输入/输出 输入 三个输入端口，输入1接收训练好的LSH模型，输入2和3接收要进行匹配的数据。 输出 一个输出端口，用于输出匹配后的结果。 参数设置 参数名称 说明 备注 相似阈值 设置相似度距离阈值 距离低于阈值的组合才会被输出 示例 相似集1.png 效果 分别接入LSH模型，数据1和数据2，其中数据1和数据2都已使用词向量模型对其文本进行转换。把相似阈值设为0.45，输出数据挖掘 – 相似集计算(LSH)
该功能为V10.5版本功能。 概述 使用训练好的LSH模型，对两份数据中的向量进行相似度匹配，把相似度距离低于预设阈值的组合输出到结果。 输入/输出 输入 三个输入端口，输入1接收训练好的LSH模型，输入2和3接收要进行匹配的数据。 输出 一个输出端口，用于输出匹配后的结果。 参数设置 参数名称 说明 备注 相似阈值 设置相似度距离阈值 距离低于阈值的组合才会被输出 示例 相似集1.png 效果 分别接入LSH模型，数据1和数据2，其中数据1和数据2都已使用词向量模型对其文本进行转换。把相似阈值设为0.45，输出数据挖掘-决策树
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，转换后方便算法模型学习； 参数设置 决策树的参数如下： 参数名称 值 说明 自动调参设置 系统默认的各项参数值范围。 必须结合“启用自动调参”功能使用。系统将对设置指定或范围内的参数值循环调参，匹配出最优的组合。详情请参考 。 启用自动调参 勾选该项数据挖掘-决策树
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，转换后方便算法模型学习； 参数设置 决策树的参数如下： 参数名称 值 说明 自动调参设置 系统默认的各项参数值范围。 必须结合“启用自动调参”功能使用。系统将对设置指定或范围内的参数值循环调参，匹配出最优的组合。详情请参考 。 启用自动调参 勾选该项计算度量-根据日期参数获取“前日/上月/去年同期”数据
（本文档仅供参考） 问题描述 在数据模型中创建日期参数，根据日期参数值（默认2021-03-05）获取 ①前日数据 ②上月数据（系统默认的前期数据是上月整月数据，需要获取2021-02-01至2021-02-05的汇总值 ③去年数据（系统默认的同期数据是去年全年数据，需要获取2020-01-01至2021-03-05的汇总值 解决方案 1、新建时间层次维度 image2023-7-4_9-56-26.png 2、新建日期参数并设定默认值 image2023-7-4_10-11-27.png 3、新建度量“前日数据”并验证 image2023-7-4_10-39-29.pngSmartbi V10.5.12-数据准备
在 数据模型以及交互式仪表盘中轻松创建计算度量。 功能介绍 （1）在数据模型支持创建计算度量，支持四则运算、时间计算、文本转换、命名集集合等。 （2）仪表盘支持创建私有计算度量。（只对当前报表生效，不会存在数据模型中）。 例如，查看各个区域、省份的销售额、前期值、同期值: 向导新特性2 (1).gif … /image2023-1-14_17-20-0.png?version=1&modificationDate=1673688000000&api=v2 +【ETL】增加日期时间节点 背景介绍 用户在录入日期类型数据时，经常会遇到日期格式不统一的问题。 功能简介 新版本为了更方便用户统一日期时间格式，提供了日期类型字符转换功能命名集-使用命名集获取组内排名第一数据
（本文档仅供参考） 问题描述 使用数据模型处理数据时，期望实现获取组内排名第一的数据。 例如下图示例数据，期望获取在【发货区域】、【省份】维度下，【shipvia】值最大的数据。 image2023-11-27_15-7-57.png 解决方案 使用数据模型【自定义命名集】实现此效果。 step 1：在数据模型界面【新建命名集】，创建方式选择【函数】。 image2023-11-27_15-13-9.png step 2：参考下图编写函数表达式，层次结构选择【发货区域】，点击确定并保存数据模型。 （注意函数中引用的【发货区域】和【省份】，为字段列表中【发货区域】和【省份】展开后的对象使用group_concat函数后数据乱码
（本文档仅供参考） 问题说明 在数据模型执行sql查询，走的是sql引擎，执行出来的使用了group_concat函数的输出字段出来的结果是乱码 image2024-9-6_14-45-17.png 在数据库直接查询显示的是正常中文 image2024-9-6_14-46-19.png 解决方案 group_concat的结果不一定是字符串，可能是长文本，在SQL查询里面将group_concat结果类型转换成varchar。数据挖掘-RFM
概述 通过对选择的特征列按照阈值进行二分（可按均值、指定值、中值），将客户数据划分为不同的客群。 输入/输出 输入 一个输入端口，用于接收前置节点传下来的数据集。 输出 一个输出端口，用于输出接收到的数据集。 参数设置 参数名称 说明 备注 选择特征列 可选列：选择需要进行划分的字段，仅可选数值型字段； 划分方法：可按均值、中值和指定值进行二分； 指定值：当划分方法选择指定值时，用于设置划分的阈值； 必填 示例 使用“航空公司客户价值分析”数据，划分结果生成两个标签列BinaryClass和RFMClass
