第168页，共322页。 显示 3,216 条结果 (0.053 秒)
数据挖掘-LDA
概述 LDA是一种主题模型。它是一个三层贝叶斯概率模型，包含词、主题和文档三层结构。 它是一种非监督机器学习技术，可以识别出大规模文档集或语料库中的主题。 常用于做文本挖掘聚类分析。 参数设置 参数名称 说明 主题数目 主题数，或者聚类中心数。默认值为2 … 。 值越大，推断出的分布越平滑 示例 使用文本数据，分析主题词分布情况以及各词的概率权重。 image2020-9-8_10-11-22.png lda系统访问慢/卡顿的几种信息采集方式
（本文档仅供参考） 问题 客户反馈不管是通过nginx转发还是直接访问BI服务器地址，打开资源操作普遍都比较慢，但是后台的cpu和内存都是空闲的，要如何分析信息？ 解决方案 正常对于问题现象进行跟进分析需要采集一些信息，这里依据于不同层面的原因提供需要采集信息的方式： 1、录制CPU验证是否是服务器端慢 录制CPU采样可参考wiki文档：https://history.wiki.smartbi.com.cn/pages/viewpage.action?pageId=44500290 https://history.wiki.smartbi.com.cn/pages数据模型中导入文件逻辑
临时文件，此时无需担心此操作会占满磁盘空间。 注：其他类型数据库做高速缓存库时，也可通过分析监控日志方式，判断大致的文件上传导入情况！如果报错或特殊情况可将日志发回Smartbi技术服务号进行咨询分析！ image2024-2-29_15-57-27.png如何获取Echarts图形完整的扩展属性代码
问题1 电子表格如何获取Echarts图形属性代码，进行测试分析 获取方式： 1、打开一个报表，鼠标移动到在目标图形上 image2020-5-16 19:14:33.png 2、点击鼠标中键（齿轮状），会弹出一个对话框： image2022-9-16_16-22-43.png 3、光标移动到图中的文本区域，鼠标左键三击，选中文本： image2022-9-16_16-22-33.png 4、点鼠标右键，选择复制即可获得 image2022-9-16_16-22-52.png 问题2 自助仪表盘如何获取Echarts图形属性代码，进行测试分析 获取方式： 1、打开一个报表查询结果集单元格超出了系统选项设置的【内存数据库最大返回单元格数】
（本文档仅供参考） 问题现象 查询结果集单元格超出了系统选项设置的【内存数据库最大返回单元格数】 系统选项设置的内存数据库最大返回单元格数是20万，但是灵活分析设置的每页是显示100行，一共也就是200多列，不可能会超过20万的，把内存数据库最大返回单元格数设置为30万就正常不报错了，这个是为什么呢？ image2018-11-5 18:48:3.png image2018-11-5 18:48:29.png 解决方案 Smartbi是根据系统选项的内存数据库最大返回行数，来决定每次要取的行数是多少，这里设置默认取的就是1000行，但灵活分析设置了每页显示100行，那么内存数据库一次性ETL-引擎启动时候，不断尝试绑定7777端口
image2022-12-16_15-17-37.png image2022-12-16_15-17-49.png 原因分析 1.主机名映射到错误的ip 例如在挖掘引擎所在的服务器上，ping挖掘引擎主机名出现 目标主机不可达 image2024-1-29_12-40-21.png 2.未做主电子表格参数后添加按钮
1、首先在电子表格设计器（Microsoft Office Excel）中，创建电子表格报表。 2、在浏览器的“分析展现”节点下，选中电子表格，右键选择 编辑宏 进入报表宏界面。 3、在报表宏界面新建客户端模块。在弹出的新建模块对话框中，选择对象为如何在作业流成使用“检查依赖"字段节点
概念 检查依赖节点提供了逻辑判断的功能，可用于检查作业在指定周期内是否有运行成功的实例，如果成功则将执行与之有依赖的后续作业。 比如A作业执行依赖的是昨天的B作业执行成功，检查依赖节点会去检查B作业在昨天是否有执行成功的实例。 一个典型的应用场景是增量抽取，以电商为例，用户需要统计分析本月的销售情况，由于 … 抽取哪些数据。为了保证数据的准确性，需要保证本月截止到现在，负责抽取任务的ETL每一天的运行都是正常的，才能执行接下来的统计分析本月截止到现在的销售情况ETL任务。此时，就可以使用“检查依赖”功能。 输入/输出 输入 一个输入端口，用于连接节点。 输出 一个输出端口，根据检查结果判断应用场景
在跟着本文体验 Smartbi AIChat 功能，完成所有应用场景时，请选择“经营分析模型-精简版”这个数据模型。 1、场景1：自然语言对话式查询与交互 请按照以下顺序向 AIChat 提问，用户可以通过自然语言轻松创建出高质量的图表，并对图表的各种配置项进行设置和调整。AIChat 会在多轮对话中保持回复 … image2024-12-20_15-58-51.png 3、场景3：归因、预测及数据解释 AIChat 内置了多种机器学习算法，并且还和 Smartbi 挖掘平台打通，能够调用挖掘平台的算法，实现复杂深入的分析。 序号 问句 1 看一下去年各月份的合同金额、同比，并作图 2 为什么2023年10月份合同金额大幅下降了? 3数据挖掘-支持向量机
概述 支持向量机，英文为Support Vector Machine，简称SVM。它是一种监督式学习的方法，它广泛的应用于统计分类分析中。支持向量机将向量映射到一个更高维的空间里，在这个空间里建立有一个最大间隔超平面。在分开数据的超平面的两边建有两个互相平行的超平面，分隔超平面使两个平行超平面的距离最大化。 支持 … ”案例数据，共12个特征和1个二类的目标标签，需要预测是否贷款。通过数据预处理及模型训练，如下图： 图片26.png 其中，数据探索是为了解各变量之间的相关关系，方便之后数据分析中参数特征的设定；特征转换是为了将各变量中的类别型变量变换成数值型变量，类别型无法进入模型，转换后方便算法模型学习；特征离散是把连续特征分段
