第23页，共167页。 显示 1,662 条结果 (0.031 秒)
MySQL自定义函数篇
先来一个简单的，创建一个函数将'2009-06-23 00:00:00'这样格式的datetime时间转化为‘2009年6月23日0时0分0秒’这样的格式： DELIMITER $$ DROP FUNCTION IF EXISTS `sp_test`.`getdate`$$ CREATE FUNCTION `sp_test`.`getdate`(gdate datetime) RETURNS varchar(255) BEGIN DECLARE x VARCHAR(255) DEFAULT ''; SET x= date_format(gdate,'%Y年%m月%d日%h时%i分%s秒数据挖掘-支持向量机
数据的评估指标，包括：f1、precision、recall、accuracy、AUC(二分类)。 其中，评估标准“AUC(二分类)”仅对二分类问题生效。 参数 自动调参的参数项。 指定值调参 指定值 指定一个固定的值进行自动调参。需要先勾选“是否使用指定值”才能配置。 是否使用指定值 … ，生成的参数值：40, 60, 80, 100 右键单击评估节点，选择查看分析结果，如下图： image2020-6-4 16:30:31.png 图片28.png F1分数决定模型效果的程度，F1值越大，说明模型预测的效果最佳。这里F1值为0.82。说明该模型效果还是不错的。效果不理想的化还可数据挖掘-逻辑回归
概述 逻辑回归是一种分类算法，它进行分类的主要思想是：根据现有数据对分类边界线建立回归公式（寻找到最佳的拟合直线），以此进行分类。简单来说，它就是利用Logistic函数拟合数据来预测某一个事件发生的概率。 该算法可用于二元及多元分类问题，是分类算法的经典算法。对于二分类问题，算法输出一个二元逻辑回归模型。对于 … 参。 范围调参：在指定的范围内进行自动调参。 设置项说明如下： 设置项 说明 拆分比例 将选择的数据拆分为两部分，一部分部分用于模型的评估，另一部分数据用于训练模型。 评估标准 用于选择数据的评估指标，包括：f1、precision、recall、accuracy、AUC(二分数据挖掘-决策树
。 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； 衡量准则 gini 裂分标准，Entropy表示熵值，Gini表示基尼指数； entropy 子节点最少样本数 取值范围：大于0且小于等于 … 说明 拆分比例 将选择的数据拆分为两部分，一部分部分用于模型的评估，另一部分数据用于训练模型。 评估标准 用于选择数据的评估指标，包括：f1、precision、recall、accuracy、AUC(二分类)。 其中，评估标准“AUC(二分类)”仅对二分类问题生效。 参数数据挖掘-多层感知机
阈值是鼓励模型更频繁地预测0，反之则预测为1。 多分类请用英文逗号隔开,且数量与分类数相同，例如：分三类，示例：8,9,10 自动调参设置 系统将对设置指定或范围内的参数值循环调参，匹配出最优的组合。 image2021-11-19_17-58-39 (2) (1).png 自动调参的方式分为两种 … 、precision、recall、accuracy、AUC(二分类)。 其中，评估标准“AUC(二分类)”仅对二分类问题生效。 参数 自动调参的参数项。 注意： 优化算法的范围支持多选。 其他参数默认的范围提供了一个推荐值，并不是算法限制的最大值和最小值。 指定值调参 指定值 指定数据挖掘-多层感知机
阈值是鼓励模型更频繁地预测0，反之则预测为1。 多分类请用英文逗号隔开,且数量与分类数相同，例如：分三类，示例：8,9,10 自动调参设置 系统将对设置指定或范围内的参数值循环调参，匹配出最优的组合。 image2021-11-19_17-58-39 (2) (1).png 自动调参的方式分为两种 … 、precision、recall、accuracy、AUC(二分类)。 其中，评估标准“AUC(二分类)”仅对二分类问题生效。 参数 自动调参的参数项。 注意： 优化算法的范围支持多选。 其他参数默认的范围提供了一个推荐值，并不是算法限制的最大值和最小值。 指定值调参 指定值 指定数据挖掘-支持向量机
数据的评估指标，包括：f1、precision、recall、accuracy、AUC(二分类)。 其中，评估标准“AUC(二分类)”仅对二分类问题生效。 参数 自动调参的参数项。 指定值调参 指定值 指定一个固定的值进行自动调参。需要先勾选“是否使用指定值”才能配置。 是否使用指定值 … ，生成的参数值：40, 60, 80, 100 右键单击评估节点，选择查看分析结果，如下图： image2020-6-4 16:30:31.png 图片28.png F1分数决定模型效果的程度，F1值越大，说明模型预测的效果最佳。这里F1值为0.82。说明该模型效果还是不错的。效果不理想的化还可数据挖掘-逻辑回归
概述 逻辑回归是一种分类算法，它进行分类的主要思想是：根据现有数据对分类边界线建立回归公式（寻找到最佳的拟合直线），以此进行分类。简单来说，它就是利用Logistic函数拟合数据来预测某一个事件发生的概率。 该算法可用于二元及多元分类问题，是分类算法的经典算法。对于二分类问题，算法输出一个二元逻辑回归模型。对于 … 参。 范围调参：在指定的范围内进行自动调参。 设置项说明如下： 设置项 说明 拆分比例 将选择的数据拆分为两部分，一部分部分用于模型的评估，另一部分数据用于训练模型。 评估标准 用于选择数据的评估指标，包括：f1、precision、recall、accuracy、AUC(二分数据挖掘-决策树
。 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； 衡量准则 gini 裂分标准，Entropy表示熵值，Gini表示基尼指数； entropy 子节点最少样本数 取值范围：大于0且小于等于 … 说明 拆分比例 将选择的数据拆分为两部分，一部分部分用于模型的评估，另一部分数据用于训练模型。 评估标准 用于选择数据的评估指标，包括：f1、precision、recall、accuracy、AUC(二分类)。 其中，评估标准“AUC(二分类)”仅对二分类问题生效。 参数交互式仪表-支持压缩空列
1、概述 在构建模型的过程中经常会出现空的数据，一部分是由于数据本身存在空；一部分是由于在构建模型的过程中产生的空， 这部分数据是客户不需要的，所以在仪表盘的组件上增加了“压缩空列”的设置项 目前仅仪表盘支持的交叉表、富文本组件支持压缩空列； 即席、模型查询由于没有行/列的概念无需压缩空列 该设置项只对”数据区“的数据生效 2、 常用场景 以“订单模型”为例，根据[发货区域]、[发货省份] 、[发货城市]、[销售额]构建交叉表如下图： 2.png 会自动产生一个空列，这时打开压缩空列: 3.png 空列被压缩了如下图： 4.png 另外，富文本也支持压缩空列，如下图： 7.png 设置压缩空列
