第73页，共308页。 显示 3,072 条结果 (0.034 秒)
线图/堆积线图
概要说明 线图是利用线的升、降变化来表示被研究现象发展变化趋势的一种图形。它在分析研究事物的发展变化、依存关系等方面具有重要作用。 堆积线图可以显示随时间（根据常用比例设置）而变化的连续数据，因此非常适用于显示在相等时间间隔下数据的趋势。当有多个数据系列时，线图中的数据系列是独立的。 含义 入口 … 场景： 1）线图适合二维的大数据集，还适合多个二维数据集的比较。 2) 反映变化趋势，关联性。 3) 堆积线图适合大数据集的趋势分析，尤其适合非离散型维度分析，比如时间，价格走势 。 示例 我们在业务分析中，经常会对趋势进行对比分析。实际应用中， 线图主要有如下三种应用情景： 示例1：查看公司当年数据挖掘-特征离散
概述 特征离散的作用是将连续的数据进行等距离散化，就是把连续特征分段，每一段内的原始连续特征无差别的堪称同一个新特征，用户可以根据数据的特征自定义离散区间。 输入/输出 输入 没有输入端口 输出 一个输出端口，用于接入下一个节点，与抽取节点组合使用 … 该节点与抽取、变换节点组合使用； 图片6.png 示例 使用“银行零售客户流失”数据，将是否代发客户、月均代发金额、性别、最多代发金额等特征进行等距离散化，结果如下图： 图片7.png 特征离散数据挖掘-特征离散
概述 特征离散的作用是将连续的数据进行等距离散化，就是把连续特征分段，每一段内的原始连续特征无差别的堪称同一个新特征，用户可以根据数据的特征自定义离散区间。 输入/输出 输入 没有输入端口 输出 一个输出端口，用于接入下一个节点，与抽取节点组合使用 … 该节点与抽取、变换节点组合使用； 图片6.png 示例 使用“银行零售客户流失”数据，将是否代发客户、月均代发金额、性别、最多代发金额等特征进行等距离散化，结果如下图： 图片7.png 特征离散自定义图标可以上传到图片图标库
文件的尺寸大小及类型为16x16的 PNG 、SVG 2）图标文件的命名用字母和数字的组合 3）新增的自定义图标默认放在最上方 image2025-3-27_17-51-7.png image2025-3-27_17-38-19.png 扩展包自带的图标文件只作为演示使用，如果使用者要用于商用，请自行【升级注意事项】V9.5➜V10.5
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。 如果升级后，新增了数据权限再回退到原来的版本，新的数据权限不一定能兼容回退。因此做此回退操作前必须备份知识库。 电子表格/Excel融合分析 （1）数据来源：数据集、数据源层的表、透视分析、即席查询。 （2）参数：直接使用数据集设置的参数。 （1）数据来源：默认为模型查询、SQL查询。 （2）参数：无法直接使用数据集设置的参数。需要在“参数管理”中设置参数的映射关系才能使用。详情请参考电子表格⬝ 参数管理 。 V10.5 版本中，电子表格、Excel融合分析的数据来源仅支持模型查询、SQL查询，默认不再Echarts图形-扩展属性：数据标签 - 自助仪表盘树图自适应显示文字内容
无效，新版本（已测5.1.2）有效 1、分析echarts是否支持自适应换行显示的属性。 经分析找到"overflow": "break" 设置效果符合需求。 image2022-9-1_17-56-23.png 2、资源中F12，查看console界面，找到对应扩展属性内容，复制出来分析 字体显示的位置。 image2022-9-1_19-16-8.png image2022-9-1_19-21-18.png 3、在echarts官网示例中，找树图类似示例https数据挖掘-OneHot编码
，特征索引和特征值组成。 image2020-9-11_16-15-16.png 输入/输出 输入 没有输入端口。 输出 一个输出端口，用于接入下一个节点，与抽取节点组合使用。 参数设置 参数名称 说明 备注 新增列后缀 用于设置在原字段名后追加后缀生成新的列，默认后缀为：OneHot； 该节点与抽取、变换节点组合使用； image2020-9-8_9-48-8.png 非法数据处理策略 选择对非法数据进行处理的策略，非法数据指空值或未进模型的类别值。 自动过滤：在转换时，对在抽取时未出现的类别或空值202505产品更新说明
松下茅亭五月凉，汀沙云树晚苍苍。行人无限秋风思，隔水青山似故乡。 1 发布月份 2025年 05月 2 更新概览 1、交互效率提升，分析更智能 新增日期区间筛选器：简化多日期筛选操作，降低配置复杂度。 新增Python组件：支持AI问答结果一键转化为可视化看板，自定义代码拓展复杂图表能力，实现从洞察到沉淀的全链路分析。 树状表功能增强：支持列区按成员展开折叠、度量名称位置调整，满足多层级数据分析需求。 2、安全体系全面升级 双因素验证正式发布：覆盖移动端、插件端，防范未授权访问。 新增登录锁定策略：密码错误超限、未登录超限自动锁定账号，强化账户安全防护。 3、性能与稳定性优化 仪表盘运行速度提升交互仪表盘实现多指标对比柱图方案
（本文档仅供参考） 问题 当前对比柱图中，只能选择1个维度和两个度量，那么如何实现多指标对比柱图？ 对比柱图.png 多指标对比柱图.png 解决方案 1.通过左右翻转多指标柱图来组合生成多指标对比柱图 自定义属性.png 自定义属性 option = { "yAxis": { "inverse": false, // 设置y轴为正常方向 "position": "right" // 设置y轴位置在右侧 }, "xAxis": { "inverse": true, // 设置x轴为反向方向 //"position": "top准备数据
概述 本文旨在指导AIChat用户，使用产品相关功能模块，以最小投入，快速搭建满足应用场景的数据模型，作为AIChat问答的基础。 应用场景 某公司想从时间、合同、销售、地区这几个维度分析公司历年来的签约情况，包括合同金额、合同个数。 模型制作 我们将从需求分析、数据准备、创建数据模型这 3 个方面进行实操演练，最终实现快速搭建数据模型，模型需搭建标准星型模型。 1 需求分析 这一步我们的目的有两个：确定分析维度和分析度量。从应用场景描述我们可以得知，用户需要对签约合同这个业务发生的结果进行分析，分析维度和分析度量包括： 分析维度：日期维、合同维、销售维、地理维。 分析度量：合同金额、合同个数。 2
