第2页，共67页。 显示 670 条结果 (0.079 秒)
下拉树参数
是参数下拉菜单为树形结构的参数控件，当参数内容较多并且具有上下级关系时，常用下拉树参数来展示，如发货区域、发货城市等。展示效果如下： image2021-8-26_20-37-36.png 下拉树参数支持函数的使用，如下图所示： 2022-02-11_16-14-23.png 参数联动示例可参看：参数联动。 使用流程 下拉树参数使用流程可参看：演示下拉树参数示例树图
概要说明 树图，又称矩形树图，是一种有效的实现层级结构可视化的关系型图表结构。 在树图中，各个小矩形的面积表示每个子节点的大小，面积越大，表示子节点在父节点中的占比越大，整个矩形的面积之和表示整个父节点。右键点击矩形块可下钻到子分支，每个子分支的矩形又按照相应节点的子节点进行分割。 通过树图及其钻取情况，用户可以清晰地了解到数据的全局层级结构和每个层级的详情。 入口 图例 image2022-2-18_16-22-12.png 下图是一个树图，它通过各矩形的面积大小和颜色深浅显示了不同发货省份的销售数量大小，下钻到发货城市，可以查看到不同发货城市在所属发货省份中的占比情况。从图中矩形树对话框
是一种以弹出对话框显示树形结构选项的控件，用法与下拉树参数类似。 与下拉树参数相比，树对话框同样支持动态加载子节点、检测子节点、自定义父子关系等设置，不同之处在于支持对备选值的搜索功能，以及不支持“自动勾选子孙”。 树对话框展示效果： image2019-7-15 14:26:9.png 树对话框控件设置项 不支持“自动勾选子孙”，其它设置项与下拉树控件一致。树对话框
是一种以弹出对话框显示树形结构选项的控件，用法与下拉树参数类似。 与下拉树参数 https://wiki.smartbi.com.cn/pages/viewpage.action?pageId=44499170相比，树对话框同样支持动态加载子节点、检测子节点、自定义父子关系等设置，不同之处在于支持对备选值的搜索功能，以及不支持“自动勾选子孙”。 树对话框展示效果： image2019-7-15 14:26:9.png 树对话框控件设置项 不支持“自动勾选子孙”，其它设置项与下拉树控件一致。数据挖掘-决策树
概述 决策树是一种常用的分类算法，它是一种树形结构，其中每个内部节点表示一个属性上的测试，每个分支代表一个测试输出，每个叶节点代表一种类别。根节点到每个叶子节点均形成一条分类的路径规则。而对新的样本进行测试时，只需要从根节点开始，在每个分支节点进行测试，沿着相应的分支递归地进入子树再测试，一直到达叶子节点，该叶子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数据挖掘-决策树
概述 决策树是一种常用的分类算法，它是一种树形结构，其中每个内部节点表示一个属性上的测试，每个分支代表一个测试输出，每个叶节点代表一种类别。根节点到每个叶子节点均形成一条分类的路径规则。而对新的样本进行测试时，只需要从根节点开始，在每个分支节点进行测试，沿着相应的分支递归地进入子树再测试，一直到达叶子节点，该叶子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选择内部资源显示左侧树
（本文档仅供参考） 需求说明 需求：通过第三方系统登录到smartbi（第三方系统和smartbi的域名不一致），打开web链接，链接的资源是透视分析/即席查询，默认要显示左侧树。 验证：1、通过 openresource的方式能满足展示效果，通过第三方系统访问时，能正常打开，但是由于域名不一致，会导致直接通过smartbi访问时报错 2、选择内部资源时，两种进入方式都能打开，但是默认不显示左侧树，需要在视图中手动勾选一下“显示左侧面板” 问题原因 仪表盘这在打开web链接时添加了showLeftTree=fals，导致内部链接打开即席查询，明明即席查询在视图那里勾选了“显示左侧面板”，但是会自动关闭ECharts图形-树图
{html}<div style="border-bottom: 0.5px solid #dfe1e5;color:#2D5C8C;padding-bottom: 0.5px;font-size: 24px; height: 5px;"> </div>{html} 树图是以树结构的方式组织展现各级分类及指标的一类图形，它是利用包含关系表达层次化数据的可视化方法。 树图既可以组织存在父子结构的项目，亦可以组织无父子关系的项目。下图中图1树图是基于父子关系结构字段构建，图2是基于非父子关结构字段构建，其中非父子关系结构构建树图时是按照字段从左至右的包含关系构建，要求必须定义指标轴（Y轴）。 类型 图例 基于矩阵树图
1 概述 矩形树图，是一种有效的实现层级结构可视化的关系型图表结构。 在树图中，各个小矩形的面积表示每个子节点的大小，面积越大，表示子节点在父节点中的占比越大，整个矩形的面积之和表示整个父节点。右键点击矩形块可下钻到子分支，每个子分支的矩形又按照相应节点的子节点进行分割。 通过树图及其钻取情况，用户可以清晰地了解到数据的全局层级结构和每个层级的详情。 2 业务场景 1、场景描述：某大型零售公司，想要分析省份和下一层级发货城市的销售量，如下图所示： shutu01.gif 2、以产品内置Demo资源的“订单模型”作为数据来源。 3、操作步骤 （1）在数据选择区中，拖拽 省份 字段到 标记 > 标签 ，销售额指标组件 ⬝ 指标拆解树
1 概述 指标拆解树通过拆解核心指标，来定位影响核心指标的关键因素，常用于即席探索和进行根本原因分析。例如，指标拆解树可以方便的查看多个维度中的各个成员对整体的贡献。 2 业务场景 1、场景描述：某大型零售公司，想要分析产品类别、发货区域和省份中各维成员对销售额指标的贡献情况，如下图所示： chaijieweidu-04.gif 2、以产品内置Demo资源的“订单模型”作为数据来源。 3、操作步骤 （1）在组件选择区中添加 指标拆解树 组件，在数据选择区中勾选 销售额 、产品类别、发货区域和省份字段，由系统自动分配到 指标、维度 区域上，如下图所示： zhibiaochaijieshu-01.png （2）在指标
