第169页，共322页。 显示 3,216 条结果 (0.038 秒)
数据挖掘-梯度提升回归树
概述 梯度提升回归树是梯度提升树算法，原理是训练多棵回归树，每棵树建立是基于前一课树的残差，基函数为CART树，损失函数为平方损失函数的回归算法。 示例 使用“波士顿房价预测”案例数据，预测波士顿房价。 图片34.png 其中，相关性分析是为了分析特征变量与目标变量的相关性系数，方便特征选择 … 值：3, 4, 5 2）范围为[40,100]，步数为4时，生成的参数值：40, 60, 80, 100 示例 设置自动调参设置如图： image2021-11-23_13-37-54 (1) (1).png 在训练节点查看分析结果如图： image2021-11-23_13-36-25 (1数据挖掘-线性回归
概述 一种常用的回归方法，它是利用数理统计中回归分析，来确定两种或两种以上变量间相互依赖的定量关系的一种统计方法，通过凸优化的方法进行求解，以达到预测评估的效果。 示例 使用“波士顿房价预测”案例数据，预测波士顿房价。 图片35.png 其中，相关性分析是为了分析特征变量与目标变量的相关性系数，方便特征选择进入模型训练。 线性回归的参数如下： 参数名称 值 说明 归一化 正则化 详情请参考 归一化 https://wiki.smartbi.com.cn/pages/viewpage.action?pageId=51941896 介绍说明BI笔记之---Cube增量处理的一个场景的处理方案
： 事实表是以日期键为主键（数据的生成日期），根据日期有建立为月的分区。 并且事实数据是不发生变化的，只随日期的增长而增长。Cube的处理周期为天，Cube的分区是按月进行的分区。 这种场景多发生在分析状态数据，比如分析IIS日。 问题： 关于增量处理的一般过程，可以参考我的 BI笔记之---增量方式处理 … ： 这里简单描述了增量处理更新的一个场景，实际项目中Cube的增量处理方案都非常的复杂，所以还需要具体情况具体分析。但这种在代码中通过powershell来实现的方法是比较通用的，powershell在使用上也很灵活，所以推荐各位从事BI 的朋友使用。电子表格⬝ 表单报表
16:52:3.png 数据要求 该示例中，求职人员是通过单选的参数进行确定的，因此定义的数据集需要包含求职人的参数。 通过分析表样，我们发现求职人的家庭关系是当前表单中的一个子表，因此我们建议通过两个数据集来获取相关数据信息： 数据集分类 数据集设计 数据集效果 获取求职人的基本信息 … image2019-2-13 14:44:26.png 分析定制 该表各数据信息呈分布式排列，且都是围绕求职人，即“姓名”的内容展开的数据信息，由于该表实现的基础数据是一行数据记录，因此只需要保持默认的父格即可。 具体的实现方法如下： 定制内容 分析 方法或步骤 定义表样 该类型的表样都有模板电子表格⬝ 分组报表（系统数据集）
10_59_0.png image2019-6-25 11_3_23 (1).png 示例效果 下表是最常见的一类分组报表： image2022-3-2_10-10-19.png 数据要求 定义如下数据模型进行分组报表定制。 image2022-3-2_10-7-7.png 分析定制 该表结构简洁，数据清晰，具体的分析及实现详情如下： 定制内容 分析 方法或步骤 报表类型 设置报表类型为“分组报表” 1、在服务器设置中选择分组表 2021-08-09_16-24-05.png 2、在页面设置>报表类型中选择分组报表 2021-08-09_16-26-00.png 列头 有两种方式电子表格⬝ 交叉报表（系统数据集）
下表是最常见的一类交叉报表： image2019-6-25 11:41:6.png 数据要求 定义如下可视化数据集进行分组报表定制。 image2022-3-2_11-33-50.png 数据预览如下： image2022-3-2_11-33-26.png 分析定制 该表结构简洁，数据清晰，具体的分析及实现详情如下： 定制内容 分析 方法或步骤 列头绑定字段 通过拖拽字段到单元格，将维度字段绑定在列头。 多个维度逐层分组，因此默认父格设置即可。 1、在“数据集面板”相应的数据集下分别拖拽字段“产品类别”、“产品名称”到单元格C2、C3数据挖掘-产品简介
Smartbi Mining是广州思迈特软件公司自主研发的一站式可视化的数据挖掘平台。 1.什么是数据挖掘 数据挖掘是对商业数据中的大量业务数据进行抽取、转换、分析和其他模型化处理，从中提取辅助商业决策的关键性信息的过程。数据挖掘揭示的是未知的、将来的数据关系。数据挖掘的知识领域涵盖了数据库技术、统计学知识、机器 … 预处理 https://wiki.smartbi.com.cn/pages/viewpage.action?pageId=51940389”、“统计分析 https://wiki.smartbi.com.cn/pages/viewpage.action?pageId=51941984”、“特征工程 https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数据挖掘-梯度提升回归树
概述 梯度提升回归树是梯度提升树算法，原理是训练多棵回归树，每棵树建立是基于前一课树的残差，基函数为CART树，损失函数为平方损失函数的回归算法。 示例 使用“波士顿房价预测”案例数据，预测波士顿房价。 图片34.png 其中，相关性分析是为了分析特征变量与目标变量的相关性系数，方便特征选择 … 值：3, 4, 5 2）范围为[40,100]，步数为4时，生成的参数值：40, 60, 80, 100 示例 设置自动调参设置如图： image2021-11-23_13-37-54 (1) (1).png 在训练节点查看分析结果如图： image2021-11-23_13-36-25 (1数据挖掘-线性回归
概述 一种常用的回归方法，它是利用数理统计中回归分析，来确定两种或两种以上变量间相互依赖的定量关系的一种统计方法，通过凸优化的方法进行求解，以达到预测评估的效果。 示例 使用“波士顿房价预测”案例数据，预测波士顿房价。 图片35.png 其中，相关性分析是为了分析特征变量与目标变量的相关性系数，方便特征选择进入模型训练。 线性回归的参数如下： 参数名称 值 说明 归一化 正则化 详情请参考 归一化 https://wiki.smartbi.com.cn/pages/viewpage.action?pageId=51941896 介绍说明
