第151页，共618页。 显示 6,172 条结果 (0.1 秒)
数据挖掘-假设检验
概述 通过特征变量与目标变量之间的偏差来检验数据之间的相关性或回归分析中的拟合结果。 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，用于输出假设检验结果数据集 参数设置 参数名称 说明 备注 选择特征列 用于选择需要检验的字段列 必填 选择标签列 用于选择做为标签列的字段（必须为数值型） 示例 使用“鸢尾花数据”，选择4个特征列和1个标签列，输出结果如下图： 图片6.png 鼠标点击右键查看分析结果： 图片7.png 以上图知：已挑选的特征列的P值都趋近于0如何显示单元格数据后面添加告警图片
该宏示例在 V10.5上 验证通过 提示：本文档的示例代码仅适用于本文档中的示例报表/场景。若实际报表/场景与示例代码无法完全适配（如使用功能不一致，或多个宏代码冲突等），需根据实际需求开发代码。 示例说明 在电子表格中，对数据的范围进行判断，在数据后添加相应的图片进行告警。可通过电子表格排序告警宏 https://wiki.smartbi.com.cn/pages/viewpage.action?pageId=51943072实现，也可通过以下示例方法实现。 示例：当数据大于等于60时，在数据后添加上升箭头；当数据小于60时，在数据后添加下降箭头。 image2020-6-10 16:55如何显示单元格数据后面添加告警图片
该宏示例在 V10.5上 验证通过 提示：本文档的示例代码仅适用于本文档中的示例报表/场景。若实际报表/场景与示例代码无法完全适配（如使用功能不一致、图形经过照相机或多个宏代码冲突等），需根据实际需求开发代码。 示例说明 在电子表格中，对数据的范围进行判断，在数据后添加相应的图片进行告警。可通过电子表格排序告警宏 https://wiki.smartbi.com.cn/pages/viewpage.action?pageId=51943072实现，也可通过以下示例方法实现。 示例：当数据大于等于60时，在数据后添加上升箭头；当数据小于60时，在数据后添加下降箭头。 image2020-6-10 16Echarts图形-扩展属性：数据标签 - 柱图标签换行显示
'name：'+ a.name + '\\n' + 'data：'+ a.data.value[1]}" } } } } ] } 2022-10-08_133928.png 数据标签换行样式 - 电子表格想实现分类显示数据
（本文档仅供参考） 示例： 需要实现如图效果： image2018-11-11 18:55:7.png 操作步骤： 1，先创建数据集，分别是类别，销售量，销售额三个字段，并制作电子表格 image2018-11-11 18:59:11.png 2，设置C1:E2区域的左父格为B1，设置B1和B2合并，并隐藏B列即可 image2018-11-11 19:1:4.png image2018-11-11 19:2:36.png image2018-11-11 19:2:56.png 循环扩展 循环报表数据预警 - 勾选了携带“来源报表”的访问链接后跳转的地址不对
。 image2025-3-3_15-26-21.png 数据预警来源报表的访问链接异常数据模型-两个字符型字段排序
（文档仅供参考） 问题描述： 用户有两个字段，一个是年，为字符串类型，还有另一个是项目名称，想同时进行排序。年按大到小，项目名称按照自定义顺序。 目前使用直接使用sql排序，总有一个不是想要的顺序 问题解决： 在使用模型时，多个字段排序如下。 image2023-8-15_13-56-24.png image2023-8-15_13-56-3.png 注：该写法只在仪表盘生效，用excel的话，同一个命名集会拼接起来。如下图： image2023-8-15_14-1-2.png 字符串排序 数据模型多个字符串排序如何在作业流中调度数据挖掘实验？
1 概述 数据挖掘实施项目中，需要在新数据产生和读入时，把数据用到建模和重新训练模型。目前依赖实施人员人工检查数据情况，发现新数据时手动执行挖掘实验，所以需要支持在作业流中对挖掘实验进行编排调度。 在Smartbi V10.5.12 版本，作业流中已经可以支持拖入数据挖掘资源，并通过计划任务定时调度。 2 示例 通过作业流直接调度数据挖掘实验，新建作业流，在作业流中增加需要调度的挖掘实验，如下图： 1、添加开始节点 拖入开始节点：运行作业流必须要以该节点作为起始节点 2、添加挖掘实验节点 拖入银行客户流失预测节点：示例中需要调度的挖掘实验 image2023-12-5_20-41-8.png 3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-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
