第15页，共68页。 显示 675 条结果 (0.43 秒)
主界面功能模块介绍
是一个表格树目录展示内容。部分模块对内容进行分类，在表格树目录上方有不同页签，单击页签可进入不同页面，如下图： image2022-2-10_19-15-30.png 其余运维管理界面大同小异，用页签和表格树目录来展示各项基本信息，以及一些常用操作按钮，下图为服务管理页面 … 说明 上传模型 上传导出模型生成的ZIP文件，并生成对应的模型记录，可在实验界面左侧资源树查看生成的节点。 刷新 刷新表格。 删除 删除选择的模型。 导出 导出模型 用于将训练得到的模型导出，并在产品的其他服务器使用。 比如在一台服务器导出的模型文件，可通过“上传模型”功能导入到其他主界面功能模块介绍
是一个表格树目录展示内容。部分模块对内容进行分类，在表格树目录上方有不同页签，单击页签可进入不同页面，如下图： image2022-2-10_19-15-30.png 其余运维管理界面大同小异，用页签和表格树目录来展示各项基本信息，以及一些常用操作按钮，下图为服务管理页面 … 说明 上传模型 上传导出模型生成的ZIP文件，并生成对应的模型记录，可在实验界面左侧资源树查看生成的节点。 刷新 刷新表格。 删除 删除选择的模型。 导出 导出模型 用于将训练得到的模型导出，并在产品的其他服务器使用。 比如在一台服务器导出的模型文件，可通过“上传模型”功能导入到其他[节点目录]-节点目录支持修改名称
概述 支持对节点树进行目录新建、名称修改、移动、隐藏操作，可参考数据挖掘-自定义节点目录结构 https://wiki.smartbi.com.cn/pages/viewpage.action?pageId=111876640。 功能配置入口 点击运维设置，打开数据挖掘配置，找到更改ETL树结构设置，打开配置节点树，接下就可以对目录进行上述的一系列操作了，打开流程如下图所示。 image2023-8-28_10-1-12.png image2023-8-28_10-5-12.png 操作演示 新建目录 整个操作流程如下图所示，选择一个目录-》鼠标右键-》点击新建目录-》输入目录名称-》点击确认，目录新建完成，可以过滤空目录
在进行资源搜索或选择数据来源时，可先过滤掉资源树中的空目录，提高查找效率。 空目录有以下几种情况： 目录本身为空； 当前用户对该目录有访问权限，对其子孙节点没有访问权限，因此查看到的目录为空； 目录不为空，该目录存放着在当前系统模块下无法查看的资源类型。例如分析展现下的公共空间的某目录有一个仪表盘资源，在“数据准备”模块公共空间的相应目录下看不到该资源，对于用户是空目录。 资源搜索 选择数据来源 153.png 13.png 操作入口 点击资源树搜索框旁 过滤空目录 按钮，则过滤掉资源树中的空目录。 153.png 应用场景 场景一 当A目录数据挖掘-随机森林特征选择
：32。 对连续类型特征进行离散时的分箱数； 该值越大，模型会计算更多连续型特征分裂点且会找到更好的分裂点，但同时也会增加模型的计算量。 树的深度 取值范围：[1,30]的整数；默认值为4。 当模型达到该深度时停止分裂； 树的深度越大，模型训练的准确度更高，但同时也会增加模型的计算量且会导致过拟合。 树的个数 取值范围：>=1的整数；默认值为20。 随机森林中决策树的棵数。 衡量准则 gini 裂分标准，entropy表示熵值，gini表示基尼指数； entropy 示例 使用“鸢尾花数据”，预测鸢尾花类别。选取4个特征列和1个标签列过滤空目录
在进行资源搜索或选择数据来源时，可先过滤掉资源树中的空目录，提高查找效率。 空目录有以下几种情况： 目录本身为空； 当前用户对该目录有访问权限，对其子孙节点没有访问权限，因此查看到的目录为空； 目录不为空，该目录存放着在当前系统模块下无法查看的资源类型。例如分析展现下的公共空间的某目录有一个仪表盘资源，在“数据准备”模块公共空间的相应目录下看不到该资源，对于用户是空目录。 资源搜索 选择数据来源 2021-09-09_11-01-51.png 2021-09-09_11-01-02.png 操作入口 点击资源树搜索框旁 过滤空目录 按钮，则过滤掉资源树中数据挖掘-随机森林特征选择
：32。 对连续类型特征进行离散时的分箱数； 该值越大，模型会计算更多连续型特征分裂点且会找到更好的分裂点，但同时也会增加模型的计算量。 树的深度 取值范围：[1,30]的整数；默认值为4。 当模型达到该深度时停止分裂； 树的深度越大，模型训练的准确度更高，但同时也会增加模型的计算量且会导致过拟合。 树的个数 取值范围：>=1的整数；默认值为20。 随机森林中决策树的棵数。 衡量准则 gini 裂分标准，entropy表示熵值，gini表示基尼指数； entropy 示例 使用“鸢尾花数据”，预测鸢尾花类别。选取4个特征列和1个标签列Smartbi V10.5-数据挖掘
注意：(新特性列表中：+表示新增；^表示增强) 具体改进点如下： 新增 增强 +【数据挖掘】文本分析新增LSH、相似集计算（LSH）节点 +【数据挖掘】支持导出PMML模型文件 +【数据挖掘】朴素贝叶斯、决策树、多层感知机等算法支持自动调参设置 +【数据挖掘】新增ETL和挖掘 … 统计 。 +【数据挖掘】朴素贝叶斯、决策树、多层感知机等算法支持自动调参设置 背景介绍 在实际应用中，用户在进行机器学习时需要对选择的模型进行调参，从而得到最优参数进行匹配，而手动调参往往需要耗费大量时间和人力，可以采取系统自动调参的方式解决问题。此前产品部分机器学习算法已实现了自动调参设置，新版本Smartbi V10.5.8-分析展现
、字体样式设置 ^【仪表盘】支持模型下拉树参数 ^【仪表盘】单个组件支持设置压缩空行 +【即席查询】即席查询功能增强 功能简介 在新版本中，基于数据模型、指标模型创建的即席查询，添加以下功能： 1、支持数据模型中定义的参数 销售主管在查询销售合同的数据时，只想查看指定省份的销售情况，例如：只看河北省各月份的销售额。 2022-06-23_18-08-34.png 模型的参数，主要是提前过滤原始数据。 而它的树形参数，目前在即席查询中以文本输入框的方式展示；在后面的版本中，将以下拉树的方式展示。 2、条件功能增强，支持联动 销售主管在查询销售合同的数据时，希望在切换区域的选中Impala与Hive的比较
的Impalad为Coordinator，Coordinator通过JNI调用java前端解释SQL查询语句，生成查询计划树，再通过调度器把执行计划分发给具有相应数据的其它Impalad进行执行），读写数据，并行执行查询，并把结果通过网络流式的传送回给Coordinator，由Coordinator返回给客户端。同时Impalad … /uploads/2013/07/impala_s.jpg 图 2 3. Impala的查询处理过程 Impalad分为Java前端与C++处理后端，接受客户端连接的Impalad即作为这次查询的Coordinator，Coordinator通过JNI调用Java前端对用户的查询SQL进行分析生成执行计划树
