第188页，共1,509页。 显示 15,084 条结果 (0.384 秒)
数据挖掘-逻辑回归
参。 范围调参：在指定的范围内进行自动调参。 设置项说明如下： 设置项 说明 拆分比例 将选择的数据拆分为两部分，一部分部分用于模型的评估，另一部分数据用于训练模型。 评估标准 用于选择数据的评估指标，包括：f1、precision、recall、accuracy、AUC(二分数据挖掘-决策树
说明 拆分比例 将选择的数据拆分为两部分，一部分部分用于模型的评估，另一部分数据用于训练模型。 评估标准 用于选择数据的评估指标，包括：f1、precision、recall、accuracy、AUC(二分类)。 其中，评估标准“AUC(二分类)”仅对二分类问题生效。 参数数据挖掘-随机森林
参：在指定的范围内进行自动调参。 设置项说明如下： 设置项 说明 拆分比例 将选择的数据拆分为两部分，一部分部分用于模型的评估，另一部分数据用于训练模型。 评估标准 用于选择数据的评估指标，包括：f1、precision、recall、accuracy、AUC(二分数据挖掘-多层感知机
： 指定值调参：指定一个固定的值进行自动调参。 范围调参：在指定的范围内进行自动调参。 设置项说明如下： 设置项 说明 拆分比例 将选择的数据拆分为两部分，一部分部分用于模型的评估，另一部分数据用于训练模型。 评估标准 用于选择数据的评估指标，包括：f用户
属性 https://wiki.smartbi.com.cn/pages/viewpage.action?pageId=44500214#id-%E7%B3%BB%E7%BB%9F%E9%80%89%E9%A1%B9%E7%94%A8%E6%88%B7%E7%AE%A1%E7%90%86-%E7%94%A8%E6%88Excel融合分析如何处理超大数据量
=44499042SmartbiMPP，接着可创建Excel融合分析报表了。如需对数据进行筛选，可基于自助数据集创建透视分析添加过滤条件 https://wiki.smartbi.com.cn/pages/viewpage.action?pageId=44500432#id-%E9%80%8F%E8%A7%86%E5%88%86%E6%9E%90%E5数据挖掘-快速入门
Smartbi Mining为用户提供拖拽的流式建模、可视化建模界面、预置大量数据处理及算法节点，方便用户快速构建数据挖掘模型，通过简单的例子来看一下如何使用Smartbi Mining搭建实验。点击入门视频下载 https://wiki.smartbi.com.cn/download/attachments/52627427/%E5%BF%AB%E9%80%9F%E5%85%A5%E9%97%A81.mp4?version=1&modificationDate=1592875303000&api=v2 本文档将按照如下流程，以客户流失问题为背景，为您介绍如何快速在Smartbi Mining上搭建实验： 流程图数据挖掘-多层感知机
： 指定值调参：指定一个固定的值进行自动调参。 范围调参：在指定的范围内进行自动调参。 设置项说明如下： 设置项 说明 拆分比例 将选择的数据拆分为两部分，一部分部分用于模型的评估，另一部分数据用于训练模型。 评估标准 用于选择数据的评估指标，包括：f新增系统选项
); break; } } }; 3.4 测试页面 提供testsystemconfig.html测试页面获取“新增系统选项A”的设置信息： worddav600810dc463f20c006106a4da2b80224.png 可参考示例工程源码Linux部署Smartbi OLAP Server集群
=76677833#id-%E5%A6%82%E4%BD%95%E5%90%91Smartbi%E4%B8%AD%E6%B7%BB%E5%8A%A0%E6%95%B0%E6%8D%AE%E5%BA%93%E9%A9%B1%E5%8A%A8jar-%E6%B3%A8%E6%84%8F%E4%BA%8B%E9%A1%B9
