第54页，共108页。 显示 1,077 条结果 (0.023 秒)
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。 参数设置 参数名称 说明 备注 离散区间数 选择需要进行离散化的特征列，必须是数值列 必填范围是>=2的整数，默认为10 新增列后缀 离散后会生成新的字段，默认在原有字段名后追加Buckrizer后缀。该后缀支持修改。后缀默认值为Buckerizer数据挖掘-自定义离散
概述 将连续的属性进行离散化操作，方便数据挖掘处理。用户可自定义规则进行离散化操作。 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，用于输出增加了离散后的字段的数据集。 参数设置 参数名称 说明 备注 自定义规则 区间：以英文逗号分隔离散区间，负无穷为-INF，正无穷为INF。 区间为空时，默认该字段不做离散处理。 必填。 区间填写示例：-INF,30,60, 90,INF 新增列后缀 离散后会生成新的字段，默认在原有字段名后追加Buckrizer后缀。该后缀支持修改卸载导出引擎
使用导出引擎过程中，如果需要卸载导出引擎服务，请参考以下方法： 1、Linux服务器卸载导出引擎 ①使用SSH工具登陆Linux服务器， ②进入导出引擎部署目录 ③运行导出引擎卸载脚本 ./unstall_SmartbiExport.sh 等待卸载完成即可。 ④关闭防火墙开放的导出引擎相关端口： 关闭端口：3003 firewall-cmd --zone=public --remove-port=3003/tcp --permanent 配置完以后重新加载firewalld，使配置生效 firewall-cmd --reload 如需重新部署导出引擎，可参考 部署Smartbi-Export 导出引擎 https数据挖掘-评分卡构建
概述 评分卡构建节点是评分卡模型的构建过程，用于把训练完成的逻辑回归模型转换为评分模型，具体转换规则可通过设置评分卡构建节点中的参数实现。 输入/输出 输入 两个输入端口，输入1接收训练好的逻辑回归模型，输入2接收WOE编码模型 输出 一个输出端口，用于输出训练后的评分卡模型 参数设置 参数名称 说明 备注 基础分 预设的初始分值 评分基准线 好坏比 基础分所对应的初始好坏比（好样本概率和坏样本概率的比例） 好坏比参数越大，评分变化幅度越大 PDO 好坏比翻倍对应提升的分值 取正值时，评分越高代表信用越好数据挖掘-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-标准化
概述 标准化数据使数据具有单位标准差归一化或平均数据中心化。 单位标准差归一化：将输入数据进行单位标准差归一化，使转换后的数据具有单位标准差； 平均数据中心化：将输入数据进行中心化，使转换后的数据均值为0。 如果某个特征的标准差为0，则该特征的返回结果也为0。 输入/输出 输入 没有输入端口 输出 一个输出端口，与抽取、变换节点组合使用 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：Normalized； 必填 图片17.png 单位标准差归一化数据挖掘-相关性分析
概述 相关性分析是用来反映变量之间的相关关系的密切程度。相关系数的取值一般介于-1和1之间。当相关系数为正的时候，意味着变量之间是正相关的；当相关系数为负的时候，意味着变量之间是负相关。 相关性分析常用在数据探索阶段，当我们并不了解原始数据各字段之间的关系时，通过相关性分析，可以看到各个字段之间的相关性，其后进行的数据分析工作可以围绕这些相关性展开。 输入/输出 输入 一个输入端口，用于接收数据集。 输出 一个输出端口，用于输出相关系数的数据集。 参数设置 参数名称 说明 备注 选择列 用于选择进行相关性分析的字段列 必填数据挖掘-全表统计
概述 全表统计是对观测数据进行不同的统计分析，可统计信息：最小值、最大值、平均值、标准差、方差、总和、行数、唯一值、缺失值、偏度、峰度、中位数、下四分位、上四分位、众数等指标；还可使用箱线图和直方图尽可能简单全面表达数据所蕴含的数值范围、分布等信息。 输入/输出 输入 一个输入端口，用于接收数据集 输出 没有输出端口 参数设置 参数名称 说明 备注 选择列 选择需要统计的特征列（列数<=10） 必填 可选统计 选择需要的指标进行统计分析。可选的指标：偏度、峰度、总和、众数、方差、标准差、缺失值。 使用全表统计节点默认统计的指标数据挖掘-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-TF-IDF
概述 一种统计方法，TF意思是词频，IDF意思是逆文本频率指数，用以评估一字词对于一个文件集或一个语料库中的其中一份文件的重要程度。字词的重要性随着它在文件中出现的次数成正比增加，但同时会随着它在语料库中出现的频率成反比下降。 TF-IDF值越高，说明该词越重要。 输入/输出 输入 没有输入端口 输出 一个输出端口，与抽取、变换节点组合使用。 参数设置 参数名称 说明 备注 特征项数 输入的数值n，代表算法最终会筛选出TF-IDF值最高的n个词 必填 示例 图片3.png 效果 使用“垃圾短信识别”数据，选择
