第86页，共113页。 显示 1,129 条结果 (0.034 秒)
Echarts图形-扩展属性：样式 - 地图把画布变大后，图形和图例之间留有很多空隙，如何增大地图占比增大
（本文档仅供参考） 问题 地图把画布变大后，图形和图例之间留有很多空隙，如何增大地图占比增大。例如下图，希望地图增大到红框位置。 image2018-10-25 9:23:20.png 解决方案 可以通过以下扩展属性，调整地图的边距大小即可。 { //下面各值，请根据实际情况调整 "geo": { "left": "8%", "right": "8%", "bottom": 0, "top": "4%" } } 地图大小Echarts图形-扩展属性：标签 - 地图在标记中显示区域名称，并带有分段型的图例
（本文档仅供参考） 问题 如何在地图的标记中显示区域名称，并带有分段型的图例，如要实现下图的效果： 1.png 解决方案 在图形对应的数据表格中增加辅助列指标列，一列指标用于散点地图，一列指标用于染色地图，两列数值一样： 2.jpg 地图配置： 3.jpg 修改散点地图的标记大小： 4.jpg 添加扩展属性代码： { series: [{ type: 'scatter', label: { normal: { show: true, textSEcharts图形-扩展属性：标签 - 如何把地图默认的城市名称颜色改成白色，字号也变大一些
（本文档仅供参考） 问题 如何把地图默认的城市名称颜色改成白色，字号也变大一些？ 3109F80B@D983096(07-24-09-27-17).png 解决方案 具体请参考如下扩展属性 { "geo": { "label": { "normal": { "show": true, "textStyle": { "fontSize": 15, "coEcharts图形-扩展属性：样式 - 仪表盘地图默认显示中心位置和缩放比例调整
（本文档仅供参考） 问题描述： 因为图形布局的关系，需要默认将地图的显示位置，偏移一下位置，并默认放大周围的比例。 解决方案： 参考以下echarts扩展属性配置，配置其显示中心位置和缩放比例即可。 image2023-11-21_10-21-50.png 扩展属性： option = { "geo": { "zoom": 2.5, //缩放比例 "center": [105.97, 29.71]//中心点经纬度 } } 地图缩放比例【升级注意事项】V9.5➜V10.1
V95版本 V10版本 更新说明 Spark 2.4 3.1 Spark版本由2.4升级到3.1版本，添加了Spark的密钥认证，提高了安全性。 Hadoop × √ 新增Hadoop组件，用于节点中间数据存储。 实验引擎跟Python执行节点交互 使用ssh方式 … 资源的引用权限，也不会看到相应资源在目录树上，最起码需要有查看权限才能看到； （2）V10.1 对编辑权限的调整： 合并旧的编辑权限和删除权限为一个资源权限——编辑。 V10.1 对数据行权限变更调优了： 新版本数据行权限底层技术进行了一些变更调优，原来的数据行权限升级到新版本里面能自动兼容性升级导入文件数据
1 概述 相对于其他查询，导入文件的使用简单方便。当用户的数据存储在Excel、CSV、TXT或数据分析包中时，可以通过导入文件直接上传数据创建模型。 1、导入文件是将文件数据导入到Smartbi配置好的高速缓存库，如果环境没有配置高速缓存库，无法导入文件成功。详细可查看：高速缓存库。 2、导入文件只支持抽取模型；如果原先是直连模型，加入了导入文件会切换成抽取模式。 详细可查看：直连&抽取 https://wiki.smartbi.com.cn/pages/viewpage.action?pageId=112786816&src=contextnavpagetreemode。 3、如果是execl文件，支持一次性导入手机-报表浏览
公开分享一键切换，且与PC端的“公共链接”开关保持一致性。 公开分享：点击链接可直接打开访问所分享的资源。 私密分享：点击链接后要输入用户名密码登录才可访问。 339.png 离线 下载资源，以离线方式查看报表，详情请参考 手机-离线。 个人参数 保护当前参数 注手机-离线
，实现定制资源离线。关于如何使用计划任务实现资源离线，请参考 资源离线。 2、进入APP设置界面，勾选自动下载离线包选项。详情请参考 APP配置。 注意事项 1、为保证离线报表数据的安全性，当访问密码验证失败5次时，会自动删除已下载的离线报表数据。 2、离线含跳转规则的报表时，除了会离线当前报表，还会自动离线跳转数据挖掘-支持向量机
概述 支持向量机，英文为Support Vector Machine，简称SVM。它是一种监督式学习的方法，它广泛的应用于统计分类分析中。支持向量机将向量映射到一个更高维的空间里，在这个空间里建立有一个最大间隔超平面。在分开数据的超平面的两边建有两个互相平行的超平面，分隔超平面使两个平行超平面的距离最大化。 支持向量机算法是以极大化类间间隔为目标，并以之作为最佳分类超平面，其中定义的类间间隔为两类样本到分类超平面的最小距离，通过引入松弛变量，使支持向量机能够解决类间重叠问题，并提高泛化能力。 它的主要优势为： 1）特征映射，有效区分。 2）约束性求优，更加准确区分类别。 示例 使用“银行信用贷款预测数据挖掘-随机森林
概述 随机森林指的是利用多棵树构成森林对样本进行训练并预测的一种分类器。但是每棵决策树之间没有关联，每棵树都是基于随机抽取的样本和特征进行独立训练。 随机森林算法广泛应用于分类问题。其是决策树的组合，将许多决策树联合到一起，以降低过拟合的风险。随机森林支持连续数据或离散数据进行二分类或多分类。 优势：可反映出特征重要性。 示例 使用“垃圾短信识别”案例数据，预测是否为垃圾短信。 image2020-6-5 16:22:21.png 其中，分词是为了将短信文本进行分成词语方便分析；停用词处理是为了去除不必要的词语、标点符号、语气词等；TF-IDF是为了计算文本数据的idf值，方便进入模型训练
