第92页，共322页。 显示 3,211 条结果 (0.033 秒)
累计百分比分析
入口： 快捷累计百分比分析：在多维分析指定维成员的列按钮中单击 过滤 按钮，弹出下拉菜单，选择 累计前80% 或 累计后20%，多维分析只显示累计前80%或累计后20%的维成员及数据。 image2019-11-1 15:0:46.png 自定义累计百分比分析：在多维分析指定维成员的列按钮中单击 过滤 按钮，弹出下拉菜单，选择 定制过滤，弹出“定制过滤”对话框，在“TopN过滤”或“BottomN过滤”的文本输入框中输入任意百分比。 image2019-11-1 15:1:48.png 注意： TopN分析和累计百分比分析操作前提：必须勾选多维分析工具栏中的 报表设置 > 报表属性 中的设置项“表格列按钮”，以确保数据挖掘-去除重复值
值的参数： image2021-9-23_15-33-52.png 设置说明如下： 参数 说明 选择列 用于选择进行去除重复值设置的列： image2021-9-23_15-34-14.png 示例 1、原先关系数据源的输出结果有12条数据，对其进行去除重复值，在选择列弹框中选择所有的列。 image2021-9-23_15-39-37.png 2、输出结果有6条数据，如图： image2021-9-23_15-44-20.png 去除重复值数据挖掘-RFM
概述 通过对选择的特征列按照阈值进行二分（可按均值、指定值、中值），将客户数据划分为不同的客群。 输入/输出 输入 一个输入端口，用于接收前置节点传下来的数据集。 输出 一个输出端口，用于输出接收到的数据集。 参数设置 参数名称 说明 备注 选择特征列 可选列：选择需要进行划分的字段，仅可选数值型字段； 划分方法：可按均值、中值和指定值进行二分； 指定值：当划分方法选择指定值时，用于设置划分的阈值； 必填 示例 使用“航空公司客户价值分析”数据，划分结果生成两个标签列BinaryClass和RFMClass数据挖掘-SMOTE
概述 SMOTE算法通过对少数样本的分析可以合成新的样本，是一种过采样技术。 image2020-9-1_16-42-57.png 输入输出 输入 只有一个输入端口，用于接收原始数据集。 输出 只有一个输出端口，用于输出过采样后的全部数据集。 参数说明 设置SMOTE的参数： image2020-11-6_17-9-21.png 设置项说明如下： 参数 说明 备注 选择标签列 用于选择输入数据集的某一列作为标签列。 单选 标签类别 输入目标列中需要进行SMOTE算法的类别值。 文本框，标签的类别值（必填如何管理消息？
消息推送列表 2022-02-17_11-36-32.png 入口：系统运维 > 消息推送管理 tab； 列表排序：根据发送时间倒序；默认查询10条，超时时滚动分页，每页加载10条； 字段说明: 消息内容： 列宽固定百分比，随着屏幕分辨率的改变而变化，超过列宽用...表示；如是纯图片则显示空； 消息标题: 列宽固定百分比，随着屏幕分辨率的改变而变化，超过列宽用...表示； 消息分类：只显示新建的系统消息、公告消息; 其中系统消息的备份失败预警、调度任务预警、提醒、系统推荐等被动消息不会显示在页面； 发布人：发布消息的人员； 发送时间: 发送成功的时间，精确到秒； 消息状态：发送成功，暂存，发送数据挖掘-SMOTE
概述 SMOTE算法通过对少数样本的分析可以合成新的样本，是一种过采样技术。 image2020-9-1_16-42-57.png 输入输出 输入 只有一个输入端口，用于接收原始数据集。 输出 只有一个输出端口，用于输出过采样后的全部数据集。 参数说明 设置SMOTE的参数： image2020-11-6_17-9-21.png 设置项说明如下： 参数 说明 备注 选择标签列 用于选择输入数据集的某一列作为标签列。 单选 标签类别 输入目标列中需要进行SMOTE算法的类别值。 文本框，标签的类别值（必填数据挖掘-RFM
概述 通过对选择的特征列按照阈值进行二分（可按均值、指定值、中值），将客户数据划分为不同的客群。 输入/输出 输入 一个输入端口，用于接收前置节点传下来的数据集。 输出 一个输出端口，用于输出接收到的数据集。 参数设置 参数名称 说明 备注 选择特征列 可选列：选择需要进行划分的字段，仅可选数值型字段； 划分方法：可按均值、中值和指定值进行二分； 指定值：当划分方法选择指定值时，用于设置划分的阈值； 必填 示例 使用“航空公司客户价值分析”数据，划分结果生成两个标签列BinaryClass和RFMClass如何管理消息？
消息推送列表 2022-02-17_11-36-32.png 入口：系统运维 > 消息推送管理 tab； 列表排序：根据发送时间倒序；默认查询10条，超时时滚动分页，每页加载10条； 字段说明: 消息内容： 列宽固定百分比，随着屏幕分辨率的改变而变化，超过列宽用...表示；如是纯图片则显示空； 消息标题: 列宽固定百分比，随着屏幕分辨率的改变而变化，超过列宽用...表示； 消息分类：只显示新建的系统消息、公告消息; 其中系统消息的备份失败预警、调度任务预警、提醒、系统推荐等被动消息不会显示在页面； 发布人：发布消息的人员； 发送时间: 发送成功的时间，精确到秒； 消息状态：发送成功，暂存，发送【跨版本升级变更】V10.5➜V11
）； 支持的数据来源种类： 数据源； 数据模型； 业务主题； 支持的数据来源种类： 数据源； 数据模型； 基于数据源和数据模型的即席查询，支持添加图形。 不支持添加图形。 添加图形 旧即席查询资源打开： 基于数据源、业务主题旧的即席查询资源，默认是即席查询（旧）打开 … 来源：数据模型 透视分析数据来源变更 旧透视分析支持添加图形 新透视分析不支持添加图形 跨库联合数据源 在“数据连接” 默认显示”跨库联合数据源“ 在V11最新版本中，产品默认不继续维护支持跨库联合数据源，升级用户可继续使用。 跨库联合数据源 数据模型即席查询改名 即席查询数据挖掘-快速入门
代发金额’、‘月初AUM’、‘月均AUM’做为特征列，而‘是否流失’做为标签列； 拆分：将数据集进行拆分，一部分数据用来训练模型，另一部分用来验证经过训练的模型效果如何； 随机森林：本研究用分类算法节点中选择 随机森林算法 https://wiki.smartbi.com.cn/pages/viewpage.action?pageId=51942230 进行预测客户流失的模型构建。 模型搭建1.png 4.训练&预测 训练：训练节点的输入分为两部分，左边为算法节点，右边为训练数据集，模型通过对训练集数据中特征列的数据进行学习，并根据标签列的数据，确认具有何种特征的数据可能是流失客户，进而使模型获得能够识别流失客户的能力
