搜索

Help

第50页,共407页。 显示 4,064 条结果 (0.047 秒)

  1. WEB电子表格 · 分组报表

    及表达式 在右侧数据资源区中的数据模型”销售业绩月报“中分别拖拽以下字段到对应单元格上,或者在单元格上填写指定函数表达式。 并设置对应的单元格格式和对齐方式,具体如下: 列名 字段名 单元格 单元格格式 对齐方式 一级部门 业务板块 B5 自动 中间对齐 业务性质 业务性 … :0.png image2019-6-25 11:3:23.png 示例效果 本示例基于WEB电子表格制作一种典型的中国式报表——“多层分组报表”,按照多个维度对度量进行分类分组,对度量内的数据进行统计汇总等计算。实现效果如下: 2022-06-28_17-53-45.png 操作步骤 1. 创建web
  2. WEB电子表格 ⬝ 报表应用 ⬝ 分组报表

    “中分别拖拽以下字段到对应单元格上,或者在单元格上填写指定函数表达式。 并设置对应的单元格格式和对齐方式,具体如下: 列名 字段名 单元格 单元格格式 对齐方式 一级部门 业务板块 B5 自动 中间对齐 业务性质 业务性质 C5 二级部门 二级部门 D5 三级部门 … :0.png image2019-6-25 11:3:23.png 示例效果 本示例基于WEB电子表格制作一种典型的中国式报表——“多层分组报表”,按照多个维度对度量进行分类分组,对度量内的数据进行统计汇总等计算。实现效果如下: web13.png 操作步骤 1. 创建web电子表格 目录右键-新建web
    Smartbi Insight V11帮助中心十二月 13, 2023
  3. 数据挖掘-正则化

    概述 用于标准化输入数据,使每个向量具有单位范数;Normalizer需要输入参数p,指定标准化范数,默认值为2;该标准化方法可用于提升算法效果。 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 选择列 用于选择需要正则化的列。 必填,列数<=10 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 P范数 指定标注化范数。 必填
  4. 数据挖掘-最小最大归一化

    概述 最小最大值归一化是对原始数据的线性变换,使结果映射到[0,1]区间。设minA和maxA分别为特征A的最小值和最大值,将A的一个原始值x通过MinMaxScaler映射到区间[0,1]间,公式为:x' = (x-minA)/(maxA-minA)。 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1.png 示例 使用“鸢尾花数据”,特征选择4个特征
  5. 数据挖掘-最大绝对值归一化

    概述 最大绝对值归一化通过除以每个特征内的最大绝对值将每个特征映射到[-1,1]的范围;它不会移动和中心化数据,因此不会破坏任何的稀疏性。 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3.png 示例 使用“鸢尾花数据”,特征选择4个特征列,最大绝对值归一化为[-1,1]范围的数据,输出结果如下图: 图片4.png 最大绝对值归一化
  6. 数据挖掘-正则化

    概述 用于标准化输入数据,使每个向量具有单位范数;Normalizer需要输入参数p,指定标准化范数,默认值为2;该标准化方法可用于提升算法效果。 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 选择列 用于选择需要正则化的列。 必填,列数<=10 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 P范数 指定标注化范数。 必填
  7. 数据挖掘-最小最大归一化

    概述 最小最大值归一化是对原始数据的线性变换,使结果映射到[0,1]区间。设minA和maxA分别为特征A的最小值和最大值,将A的一个原始值x通过MinMaxScaler映射到区间[0,1]间,公式为:x' = (x-minA)/(maxA-minA)。 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1.png 示例 使用“鸢尾花数据”,特征选择4个特征
  8. 数据挖掘-最大绝对值归一化

    概述 最大绝对值归一化通过除以每个特征内的最大绝对值将每个特征映射到[-1,1]的范围;它不会移动和中心化数据,因此不会破坏任何的稀疏性。 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3.png 示例 使用“鸢尾花数据”,特征选择4个特征列,最大绝对值归一化为[-1,1]范围的数据,输出结果如下图: 图片4.png 最大绝对值归一化
  9. 系统监控-模型表管理

    “当前MPP表不存在,可能存在按次抽取的查询”,可能的原因是该表对应的查询设置了按次抽取,且当前还未抽取,或者MPP中还未存在抽取表。 查看原始数据 有可能你忘记了原始表中的数据量以及数据,我们可以可以将数据源切换成原始数据源,在SQL编辑器中查询原始数据。若MPP表和原始表中字段名称相同,可以拖拽MPP表字段 … %90%86-%E6%A3%80%E6%9F%A5%E6%89%80%E6%9C%89%E7%A7%81%E6%9C%89%E6%9F%A5%E8%AF%A2%E8%A1%A8。 查找MPP数据库表 在“模型表管理界”面左侧资源树中可以看到系统中所有设置了抽取的数据模型,也可通过资源id或名称搜索数据模型,找到该自
    Smartbi Insight V11帮助中心十一月 01, 2024
  10. Excel插件端定制CAS登录表单说明

    () { PluginCasLoginModule.getInstance().setCASClientConnectorCreator(MyCASClientConnectorCreator.getInstance()); } } 2、登录CAS时提交表单字段名称修改 除了CASClientConnector的实现不同之外,其他步骤与上面相同 比如,客户的cas服务器返回的表单,execution,lt等信息名称不同,用户名不是标准的username等,那么可以参考CASClientConnector的实现自己实现与客户CAS相匹配的connector 例如:客户的cas服务器execution变成了execute_id,用户名