第146页，共562页。 显示 5,611 条结果 (0.044 秒)
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-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 模型系数数据挖掘-回归算法
回归算法常用于股票预测、房价预测等线性增长的问题场景。 回归算法数据源菜单
数据挖掘-回归算法
回归算法常用于股票预测、房价预测等线性增长的问题场景。 回归算法数据管理
unrestored-unknown-attachment指标模型 ⬝ 数据存储
指标管理数据权限示例
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
