第119页，共232页。 显示 2,316 条结果 (0.053 秒)
数据挖掘-梯度提升决策树
概述 梯度提升决策树原理是训练多棵CART分类树，每棵树建立是基于前一课树的残差，不断的迭代拟合前一课树的残差，通过损失函数的负梯度来拟合，直到残差达到最小。 示例 使用“银行零售客户流失”案例数据，包含17个特征列和1个二类的目标标签。需要对银行客户预测是否流失。通过数据预处理及模型训练，如下图： image2020-6-4 16:33:34.png 其中，特征离散是将年龄、卡龄等数据离散化，是为了提高模型的准确度，提高运行速度。 模型构建中，梯度提升决策树的各个参数： 参数名称 值 说明 归一化 正则化 详情请参考 归一化 https数据挖掘-随机森林
值越大，决策树允许分裂的次数就越少。可以防止模型过拟合； 分类阈值 参数范围为：[0,1]。默认值为：0.5 在分类中设置分类阈值thresholds。 如果模型预测结果为分类标签1的估计概率>thresholds，则预测为1，否则为0。高阈值是鼓励模型更频繁地预测0，反之则预测为1。 多分主界面功能模块介绍
、随机森林、K均值。其中，梯度决策树、线性回归、多层感知机、朴素贝叶斯的PMML 文件输出预测概率，支持向量机、随机森林的PMML文件输出预测标签。 1）暂不支持向量特征生成PMML模型文件。 2）目前导出PMML模型功能只支持部分算法，特征工程和数据处理部分暂不支持，因此用户导出数据模型到其它平台后，需要进行关系型数据源-Gbase 8S_V8.8 数据连接
1 概述 GBase 8s是具有完全自主知识产权的安全数据库产品，全面达到国标第三级的安全模型和安全要求。产品采用国产密码算法采用硬件加密技术，提供包括数据存储加密、数据传输加密、安全标签、强制访问控制、三权分立、安全审计等在内的主要安全功能。 本文介绍如何在smartbi V10.5以上版本中连接 Gbase 8S V8.8 数据库。 2 数据连接 2.1 配置信息 驱动程序类 连接字符串 驱动程序存放目录 com.informix.jdbc.IfxDriver jdbc:informix-sqli://<host>:9088/<database>: INFORMIXSERVERV10.1 版本更新介绍
影响当前组件的过滤条件 +【自助仪表盘】新增宏接口 +【自助仪表盘】WEB电子表格浏览功能增强 +【自助仪表盘】新增标签组件 +【自助仪表盘】组件边框支持上传图片 +【自助仪表盘】实现样式复用 +【自助仪表盘】新增宏接口 ^【自助仪表盘】增强筛选器默认值功能 ^【自助仪表盘】优化自助仪表盘组件交互式仪表盘-字段筛选器
概述 字段筛选器是指以指定字段作为筛选器。 使用方法 将字段拖拽到筛选区，出现字段筛选器面板，如下图所示： 2021-08-04_16-17-14.png 选择筛选器，点击更多，可查看筛选器相关设置菜单； 字段筛选器支持设置：应用于组件、筛选器操作符及默认值、组件样式及筛选器显示等 2021-08-04_16-23-27.png 字段筛选器主要设置项说明如下： 设置项 概述 说明 筛选器设置 用于设置标签、操作符、默认值等。 详情请参考 筛选器-设置说明 https://wiki.smartbi.com.cn/pages/viewpage.action?smt_poid页签组件
：将页签移动到最顶部。 上移：将向上移动一个位置。 下移：将下移动一个位置。 下移至底：将页签移动到最底部。 移除页签 删除所选择的页签 注意事项 1、切换页签时，会显示当前标签页下的所有组件，无论当前组件是否被手动设置隐藏，因此若需始终隐藏的组件，请勿捆绑在页签下。导出资源
。 image2022-2-22_19-0-1.png 导出资源自动勾选下级节点 对于导出资源的时候，需要导出的资源比较多，一个个勾选报表资源明显不适合，要如何做到默认勾选下级节点呢？ 若是需要自动添加下级节点，可通过点击更多操作image2019-8-6 17:6:14.png弹出标签进行选择是否需要默认勾选下级数据挖掘-产品简介
数据挖掘为用户建立的可能流失标签，将银行当前客户分为流失客户、动摇客户、忠实客户3类，最后甲方针对“动摇客户”再进行二次细分，然后进行针对性关怀和奖励措施 成功挽留50%以上的客户，同时大大节省了投入成本。 （点击查看客户流失案例详情） https://wiki.smartbi.com.cn/pages数据挖掘-梯度提升决策树
概述 梯度提升决策树原理是训练多棵CART分类树，每棵树建立是基于前一课树的残差，不断的迭代拟合前一课树的残差，通过损失函数的负梯度来拟合，直到残差达到最小。 示例 使用“银行零售客户流失”案例数据，包含17个特征列和1个二类的目标标签。需要对银行客户预测是否流失。通过数据预处理及模型训练，如下图： image2020-6-4 16:33:34.png 其中，特征离散是将年龄、卡龄等数据离散化，是为了提高模型的准确度，提高运行速度。 模型构建中，梯度提升决策树的各个参数： 参数名称 值 说明 归一化 正则化 详情请参考 归一化 https
