第91页，共420页。 显示 4,196 条结果 (0.044 秒)
Echarts图形-扩展属性：标签 - 地图数据标签设置边框
（本文档仅供参考） 问题 如何在地图上设置数据标签的边框。 解决方案 以下示例为自助仪表盘中的自定义属性： option = { "series": [{ "label": { "normal": { "show": true, "formatter": "function(a){ return a.name+':'+a.data.displayValue[1]}", "position": "right", "fontSize": "40", //边框 "borderWidth": 3,Echarts图形-扩展属性：样式 - 地图大小、画布位置调整
（此文档仅供参考） 问题 如何调整地图大小，以及地图在画布位置 1.png 解决方案 可以通过扩展属性实现 { layoutCenter: ['20%', '50%'],//设置地图在画布的位置 // 如果宽高比大于 1 则宽度为 100，如果小于 1 则高度为 100，保证了不超过 100x100 的区域 layoutSize: 220 //设置地图大小 } 地图画布大小 地图大小Echarts图形-扩展属性：样式 - 地图实现阴影效果
(本文档仅供参考) 问题 如何在产品Echarts图形中实现地图的阴影效果，如下图所示 image2021-8-30_15-2-35.png 解决方案 如需上述地图阴影效果可考虑通过扩展属性实现，如下 { "geo": { "left": 1, "top": 1, "right": 9, "bottom": 50, "itemStyle": { "normal": { "shadowColor": "#1c4880", "shadowBlur": 10, "shadowOffsetX": 5, "shadowOffsetY": 5 } }, } } 地图阴影 地图3d效果图形 - Ecahrts航线图鼠标提示如何添加其他列
(此文档仅供参考) 问题 ecahrt航线图鼠标提示如何添加其他列 解决方案 1. v8可直接设置 3.png 2. v7不支持，需要定制写宏，里面所用到的属性其实是我们产品自定义加的，扩展属性不支持添加其他列 图形鼠标提示指标模型-维度结构管理
等。 操作 效果图 单击修改层次结构名称 2023-01-31_16-00-03.png 默认层次结构名称为“新层次”，为保证层次结构不重名，必须修改默认层次结构名称。 单击修改层级名称 2023-01-31_16-02-08.png 拖拽调整层级顺序 … 层次结构。 拖拽维度属性到“<新级别>”中，在已有层次结构中生成新的层级。 2023-01-31_16-17-46.png 3、层次结构操作包含：修改层次结构名称、层级名称、调整顺序、标记时间层次等。 操作 效果图 单击修改层次结构名称 2023-01-31_16-21-09.png垃圾短信识别
/viewpage.action?pageId=51942021 算法进行抽取变换，输出结果如图： image2020-6-15 13_55_33.png 整个的数据预处理流程图如下： image2022-2-10_16-7-14.png 构建模型 本案例采用 随机森林 https … ://wiki.smartbi.com.cn/pages/viewpage.action?pageId=51942291 节点接入，如构建模型的整体模型训练预测图所示。评估结果如图： image2020-6-15 16:11:13.png 分析结果得出F1分数达到0.91,说明该模型效果比较不错的。 该模型能较好地识别某商业银行客户流失预测
： image2020-6-15 14:33:4.png 变换后的结果默认添加后缀Buckerizer，如图所示： image2020-6-15 14_34_2.png 整个数据预处理流程图： 图片20.png 相关性分析 我们通过相关性节点将各特征指标数据进行 相关性分析 https … ://wiki.smartbi.com.cn/pages/viewpage.action?pageId=51942291 节点对数据进行评估，如模型训练流程图所示，评估结果如图： image2020-6-15 16:19:39.png 我们发现评估结果中F1得分为0.95，说明模型预测的效果比较好的。 业务分析 我们通过 随机森林特征选择 https垃圾短信识别
/viewpage.action?pageId=51942021 算法进行抽取变换，输出结果如图： image2020-6-15 13_55_33.png 整个的数据预处理流程图如下： image2022-2-10_16-7-14.png 构建模型 本案例采用 随机森林 https … ://wiki.smartbi.com.cn/pages/viewpage.action?pageId=51942291 节点接入，如构建模型的整体模型训练预测图所示。评估结果如图： image2020-6-15 16:11:13.png 分析结果得出F1分数达到0.91,说明该模型效果比较不错的。 该模型能较好地识别某商业银行客户流失预测
： image2020-6-15 14:33:4.png 变换后的结果默认添加后缀Buckerizer，如图所示： image2020-6-15 14_34_2.png 整个数据预处理流程图： 图片20.png 相关性分析 我们通过相关性节点将各特征指标数据进行 相关性分析 https … ://wiki.smartbi.com.cn/pages/viewpage.action?pageId=51942291 节点对数据进行评估，如模型训练流程图所示，评估结果如图： image2020-6-15 16:19:39.png 我们发现评估结果中F1得分为0.95，说明模型预测的效果比较好的。 业务分析 我们通过 随机森林特征选择 https仪表盘宏-接口介绍
https://wiki.smartbi.com.cn/pages/viewpage.action?pageId=62293181&src=contextnavpagetreemode、堆积图如何显示合计 https://wiki.smartbi.com.cn/pages/viewpage.action?pageId … /interfaces/itooltiprow.html 提示tooltip的行数据 在实际的仪表盘中，接口对象与实际页面的对应如下图所示： portlets.jpg 3 仪表盘宏接口关系图 02.png 以下是名词解释： 关联: 是指一种拥有的关系，它使一个类知道另一个类的属性和方法
