第135页，共617页。 显示 6,168 条结果 (0.098 秒)
[下载源数据信息]-ETL自动化过程下载源数据信息支持全选所有表
概述 在新建ETL自动化过程 https://wiki.smartbi.com.cn/pages/viewpage.action?pageId=111759684中，进入下载源数据信息窗口，在选择来源数据源后，加入一个全选按钮，用于全选所有表。 功能配置入口 点击数据准备，选择ETL自动化，点击新建，打开ETL自动化，入口如下图所示。 image2023-12-11_13-58-28.png 点击下载源数据信息 image2023-12-11_14-2-38.png 操作演示 整个操作流程如下图所示，选择一个来源数据源，选择一个目标数据源，点击勾选全选按钮，便可以选择全部表数据挖掘-自动特征组合
等待），特征组合就是假设性别特征是女，时间维度双11，会发现这两个特征组合起来一定是非常强对用户预测是否买东西的组合特征。女性在双十一购买商品的概率非常高，这就是交叉后的非线性的组合特征，非线性的组合特征对数据挖掘非常关键。 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，用于输出特征组合过后的数据集。 参数设置 参数名称 说明 备注 选择列 选择需要进行组合的特征列，必须是数值列。 必填 选择标签列 用于选择作为标签列的字段 类别数需小于100 选择方式 用于Excel融合分析线上线下数据混合时数据量大，线下数据很卡该怎么办？
1. 背景 数据量太大，底层宽表超过1亿，没法加载到Excel中分析 PC端计算慢：Excel计算公式复杂，前端Excel打开至少需要20分钟 2. 解决方案 数据准备: 通过 透视分析 + SmartbiMpp 将数据初步汇总，1亿行 <= 30万 报表运算：支持个人Excel端运算，也支持在服务器（集群）运算 定时报表：后端自动刷出报表，导出不含公式的Excel文件 image2020-8-27_9-59-53.png 你还可以参考其他处理方式Excel融合分析线上线下数据混合时数据量大，线下数据很卡该怎么办？
1. 背景 数据量太大，底层宽表超过1亿，没法加载到Excel中分析 PC端计算慢：Excel计算公式复杂，前端Excel打开至少需要20分钟 2. 解决方案 数据准备: 通过 透视分析 + SmartbiMpp 将数据初步汇总，1亿行 <= 30万 报表运算：支持个人Excel端运算，也支持在服务器（集群）运算 定时报表：后端自动刷出报表，导出不含公式的Excel文件 image2020-8-27_9-59-53.png 你还可以参考其他处理方式Echarts图形-宏代码：标签 - 饼图如何设置数据标签显示名称，数值，百分比，并且数值保留两位小数，对百分比四舍五入
问题 饼图如何设置数据标签显示名称，数值，百分比，并且数值保留两位小数 image2019-12-2 10:14:4.png 解决方案 1、先设置图形的数据标签为【显示】： image2019-12-2 10:16:2.png 2、增加宏修改数据标签效果： 类型 对象 事件 ClientSide chart afterRenderer image2019-12-2 10:19:30.png function main(chartView) { var数据模型-计算应用
数据模型支持在自助仪表盘的计算应用，主要包含：占比计算、排名计算和时间计算。 数据模型在自助仪表盘中使用计算应用的前提是：行、列字段必须含有时间层次下的时间字段。 在了解计算内容前，我们先了解“全局”和“组内”两个概念。示意图如下： image2021-5-25_11-27-18.png 在上表中，“A1+A2”所有行是全局，A1、A2、B1、B2、B3都是组内。我们计算时的组内是指最内层分组，即上表中的B1、B2、B3。 占比计算 占比是指在总数中所占的比重，常用百分比表示。 自助仪表盘中主要内置了如下两种占比计算： 全局占比：指当前对象数据在所有数据总和中所占的比重，其计算公式为：（单元格数据/全局数据设计仪表盘 ⬝ 替换数据来源
1 概述 用于将当前仪表盘使用的数据替换为用户指定的数据，支持替换数据来源、计算字段、参数等，帮助用户快速复用新的报表。 在仪表盘中定义的私有字段暂不支持替换数据来源功能，私有字段包含：分组字段、计算列、计算度量和命名集。 2 功能入口 在工具栏的操作下拉框中选择”替换数据来源“： tihuanshujulaiyuan01.png 3 业务场景 1、场景描述：用户打开一张报表演示模板，想要将数据替换成自己的业务数据，查看对应的效果。 2、操作步骤 （1）在工具栏的操作下拉框中选择”替换数据来源“。 （2）在替换数据来源界面中，新数据来源中选择自己的数据集。 （3）在映射设置中，名称、别名且类型相同的字段数据挖掘 - CBLOF
概述 CBLOF（Cluster-Based Local Outlier Factor，基于聚类的本地异常因子）是一个异常检测节点，原理是先用聚类算法把为数据分为K个簇，而后通过设定占比阈值和突降倍数阈值，把簇区分为大簇和小簇，聚类完成后，计算每个点到最邻近大簇的距离（邻近距离），邻近距离越大的数据点为异常数据的概率越大。 CBLOF算法适用于当没有已知正常的数据时，对所有输入的新数据进行异常值的辨别。 输入/输出 输入 一个输入端口，接收要异常检测的数据 输出 一个输出端口，用于输出检测后的结果 参数设置 参数名称 说明 备注 选择特征列数据挖掘 - CBLOF
概述 CBLOF（Cluster-Based Local Outlier Factor，基于聚类的本地异常因子）是一个异常检测节点，原理是先用聚类算法把为数据分为K个簇，而后通过设定占比阈值和突降倍数阈值，把簇区分为大簇和小簇，聚类完成后，计算每个点到最邻近大簇的距离（邻近距离），邻近距离越大的数据点为异常数据的概率越大。 CBLOF算法适用于当没有已知正常的数据时，对所有输入的新数据进行异常值的辨别。 输入/输出 输入 一个输入端口，接收要异常检测的数据 输出 一个输出端口，用于输出检测后的结果 参数设置 参数名称 说明 备注 选择特征列数据挖掘-功能使用
Smartbi Mining具有强大的数据挖掘功能，不仅具有良好的拓展性，并且还有很多实用小工具提升实验效率，进入数据挖掘界面主要分为实验界面和主界面： 模块 说明 实验界面 https://wiki.smartbi.com.cn/pages/viewpage.action?pageId=51940535 针对实验管理界面的各个按钮进行介绍。 主界面 https://wiki.smartbi.com.cn/pages/viewpage.action?pageId=51942649 挖掘实验的各种运维管理界面介绍 实验界面是构建数据挖掘实验中使用最多，该页面除了一些工具按钮，参数面板等，主要的还是
