第104页，共434页。 显示 4,331 条结果 (0.035 秒)
图形 - 数据集添加参数后在电子表格-图形-地图-根据参数切换地图未能及时更新
（本文档仅供参考） 问题 数据集添加参数后在电子表格-图形-地图-根据参数切换地图未能及时更新，具体步骤： 先创建原生SQL数据集，再开发电子表格 然后修改数据集添加参数 最后在图形-地图-根据参数切换地图，切换时下拉框没有识别到新的参数 image2025-2-10_9-22-26.png 解决办法 为了性能考虑避免重复发请求，在使用了一个数据集的时候就会将数据集相关信息缓存下来，不然每次点击都需要重新发请求，因此需要手动点击清空本地缓存或者重启Excel image2025-2-10_9-23-58.png 地图参数没有及时更新ETL自动化工程
为了简化数据库表的迁移操作，使项目实施流程标准化，降低项目实施门槛，提高项目实施效率。产品中提供了ETL自动化工具，它能够基于简单的模板配置，自动生成自助ETL和物理表，用户可以执行生成的ETL实现物理表的灌数操作。同时，它还允许用户手动修改对应的Excel规则模板，实现更细致的配置。 它主要用来解决ETL操作中比较简单但繁琐的贴源层数据的自动化处理，它通过简单的界面话配置操作，配置源库和贴源层的表和字段的关系，自动创建ETL流程，简化繁琐的操作。 功能入口 入口：在“数据准备“界面左侧资源树的“ETL自动化”节点上，右键选择 新建 > ETL自动化。 image2024-9-14_13-48-37.png 操作流程指标模型-维度结构管理
等。 操作 效果图 单击修改层次结构名称 2023-01-31_16-00-03.png 默认层次结构名称为“新层次”，为保证层次结构不重名，必须修改默认层次结构名称。 单击修改层级名称 2023-01-31_16-02-08.png 拖拽调整层级顺序 … 层次结构。 拖拽维度属性到“<新级别>”中，在已有层次结构中生成新的层级。 2023-01-31_16-17-46.png 3、层次结构操作包含：修改层次结构名称、层级名称、调整顺序、标记时间层次等。 操作 效果图 单击修改层次结构名称 2023-01-31_16-21-09.png垃圾短信识别
/viewpage.action?pageId=51942021 算法进行抽取变换，输出结果如图： image2020-6-15 13_55_33.png 整个的数据预处理流程图如下： image2022-2-10_16-7-14.png 构建模型 本案例采用 随机森林 https … ://wiki.smartbi.com.cn/pages/viewpage.action?pageId=51942291 节点接入，如构建模型的整体模型训练预测图所示。评估结果如图： image2020-6-15 16:11:13.png 分析结果得出F1分数达到0.91,说明该模型效果比较不错的。 该模型能较好地识别某商业银行客户流失预测
： image2020-6-15 14:33:4.png 变换后的结果默认添加后缀Buckerizer，如图所示： image2020-6-15 14_34_2.png 整个数据预处理流程图： 图片20.png 相关性分析 我们通过相关性节点将各特征指标数据进行 相关性分析 https … ://wiki.smartbi.com.cn/pages/viewpage.action?pageId=51942291 节点对数据进行评估，如模型训练流程图所示，评估结果如图： image2020-6-15 16:19:39.png 我们发现评估结果中F1得分为0.95，说明模型预测的效果比较好的。 业务分析 我们通过 随机森林特征选择 https垃圾短信识别
/viewpage.action?pageId=51942021 算法进行抽取变换，输出结果如图： image2020-6-15 13_55_33.png 整个的数据预处理流程图如下： image2022-2-10_16-7-14.png 构建模型 本案例采用 随机森林 https … ://wiki.smartbi.com.cn/pages/viewpage.action?pageId=51942291 节点接入，如构建模型的整体模型训练预测图所示。评估结果如图： image2020-6-15 16:11:13.png 分析结果得出F1分数达到0.91,说明该模型效果比较不错的。 该模型能较好地识别某商业银行客户流失预测
： image2020-6-15 14:33:4.png 变换后的结果默认添加后缀Buckerizer，如图所示： image2020-6-15 14_34_2.png 整个数据预处理流程图： 图片20.png 相关性分析 我们通过相关性节点将各特征指标数据进行 相关性分析 https … ://wiki.smartbi.com.cn/pages/viewpage.action?pageId=51942291 节点对数据进行评估，如模型训练流程图所示，评估结果如图： image2020-6-15 16:19:39.png 我们发现评估结果中F1得分为0.95，说明模型预测的效果比较好的。 业务分析 我们通过 随机森林特征选择 https仪表盘宏-接口介绍
https://wiki.smartbi.com.cn/pages/viewpage.action?pageId=62293181&src=contextnavpagetreemode、堆积图如何显示合计 https://wiki.smartbi.com.cn/pages/viewpage.action?pageId … /interfaces/itooltiprow.html 提示tooltip的行数据 在实际的仪表盘中，接口对象与实际页面的对应如下图所示： portlets.jpg 3 仪表盘宏接口关系图 02.png 以下是名词解释： 关联: 是指一种拥有的关系，它使一个类知道另一个类的属性和方法图表组件 ⬝ 词云图
1 概述 词云，是文本数据的视觉表示，由词汇组成类似云的彩色图形，用于展示大量文本数据，能快速感知最突出的文字。 2 业务场景 1、场景描述：某大型零售公司，想要根据销售额情况查看产品名称，如下图所示： ciyun03.png 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，勾选 产品名称 和 销售额 字段，由系统自动分配到 标记 > 标签 和 标记 > 大小 上；或拖拽 产品名称 字段到 标记 > 标签 ，销售额 字段到 标记 > 大小 。 ciyun01.png （2）拖拽 产品名称 字段到 颜色 。（建议执行此操作，增加颜色区分，使图表内容更清晰易懂） 最终效果Office插件-安装
Framework 4.0 Full 2、获取安装介质 Office插件安装包不包含在标准的产品安装包中，若需对Office插件进行学习或使用，请先联系我司销售。 3、点击安装介质，弹出安装界面如图： image2021-9-28_14-35-5.png 4、点击 下一步 ，配置安装路径
