第235页，共422页。 显示 4,215 条结果 (0.073 秒)
数据挖掘-PCA(主成分分析)
概述 PCA（主成分分析）是统计学上一种常用的方法，主要用来对高维数据进行降维，通过对多个维度进行线性组合，获得较少且能够描述数据特征的主成分指标，减少由于数据维度过多带来的庞大计算量，降低算法的复杂度，使用最少数量的主成分来解释最大量的方差。因为它可减少变量数目以此避免多重共线性，适用于预测变量较多大于观测值数目的情况。 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 用于设置待选择的特征列 必填（特征列中不能含有数据挖掘 – 相似集计算(LSH)
该功能为V10.5版本功能。 概述 使用训练好的LSH模型，对两份数据中的向量进行相似度匹配，把相似度距离低于预设阈值的组合输出到结果。 输入/输出 输入 三个输入端口，输入1接收训练好的LSH模型，输入2和3接收要进行匹配的数据。 输出 一个输出端口，用于输出匹配后的结果。 参数设置 参数名称 说明 备注 相似阈值 设置相似度距离阈值 距离低于阈值的组合才会被输出 示例 相似集1.png 效果 分别接入LSH模型，数据1和数据2，其中数据1和数据2都已使用词向量模型对其文本进行转换。把相似阈值设为0.45，输出设置柱图只显示一个颜色
。 var parameters = option.chartdata.paramsData[0].value; //获取参数值 if (parameters !== "" && parameters !== null) { var length = parameters.split(",").length; //切割字符串得出参数的个数 if (length == 1) option.color = [defaultColor]; } } 4）新建客户端宏 image2017-11-9 16:32:15.png 5）插入刷新图形宏 function mainFixed类函数
1.Fixed 类别 描述 函数写法 Fixed(Dimension，Metric) 函数作用 指定维度聚合:返回固定维度的度量值，度量值不再根据报表层选择的维度变化 参数说明 Dimension：维度字段 Metric：度量字段，如果维度字段没有 示例 只看区域 … 排除某些维度聚合：返回排除某些维度的度量值，就算报表层选择了被排除的维度，度量值也不再根据已排除的维度变化 参数说明 Dimension1，Dimension2：维度字段，可以是1个或多个，多个使用","号隔开 Metric：度量字段 示例 业务需要在一张表中看到门店、品类、品牌3个维度，有销售额和日期函数
1. DateDiff 类别 描述 函数写法 DateDiff(DateType, DateTime1, DateTime2) 函数作用 返回两个日期字段的差值，返回值是个整数，比如求年差,不足1年返回0；大于1个月但是不足1个月，返回1，依次类推. 参数 … () 函数作用 获取当前时间 参数说明 示例 format(now(),'yyyy/mm/dd hh:mm:ss')返回服务器当前日期如2023/01/12 16:15:23导入Excel数据
双击已建Excel导入模板，下载补录模板并填写数据后导入数据，上传文件的大小不能超过100M。 数据导入时，会显示进度条，用户可以清楚当前导入执行情况。 wiki4.png 执行导入界面 wiki5.png 注意当导入规则中绑定了参数时，这里会显示参数控件，如果没有则不显示。 导入成功，直接关闭。 366.png 导入失败，可以下载异常数据，查看具体哪些数据失败及原因。 367.png 下载异常数据，可以通过 系统运维 > 导入异常日志 下载。 下载异常数据后，可以看到导出的异常数据，显示失败的详细信息。 image2019-8-5 15:22:20.png 如果没有在导入模板中配置好Excel文件，下载数据挖掘-卡方特征选择
概述 卡方特征选择与特征选择的功能类似，都是用于筛选特征到算法节点。卡方特征选择是根据卡方检验的数据相关性对特征变量进行排序，然后选择与目标变量相关性较大的特征变量。不同之处是卡方特征选择只设置需要选择的特征数量，然后该节点会根据目标字段列自动选择最相关的特征。 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 用于设置待选择的特征列(人工选择可能相关的特征列) 必填（特征列中不能含有null） 选择标签列 用于设置数据挖掘-PCA(主成分分析)
概述 PCA（主成分分析）是统计学上一种常用的方法，主要用来对高维数据进行降维，通过对多个维度进行线性组合，获得较少且能够描述数据特征的主成分指标，减少由于数据维度过多带来的庞大计算量，降低算法的复杂度，使用最少数量的主成分来解释最大量的方差。因为它可减少变量数目以此避免多重共线性，适用于预测变量较多大于观测值数目的情况。 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 用于设置待选择的特征列 必填（特征列中不能含有查看SQL
用于查看数据集对应的SQL语句。用于技术人员检查生成的SQL。 功能说明 1、点击工具栏的 查看SQL 按钮。 image2020-10-22_17-13-19.png 2、弹出“查看SQL”对话框，检查SQL语句是否正确。 image2021-8-18_15-42-46.png 复制SQL文本 只复制SQL文本，不包含对象，如参数对象会转成文本。一般用户复制SQL语句在数据库中验证。 区别 1、如果直接在SQL编辑器中复制，会把表达式里面的对象复制出来，如参数控件、函数等等。 image2020-10-22_17-32-11.png 复制的语句可以用于创建SQL数据集，但不能在数据库中查询。 2、如果使用数据挖掘-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
