第359页，共497页。 显示 4,964 条结果 (0.665 秒)
新移动端-报表发布
项 说明 权限设置 单击 设置 按钮，弹出“选择要赋予的对象”窗口，如下图： image2019-10-18 10:32:51.png 关于资源授权，详情请参考 Smartbi权限体系说明。 资源设置 添加资源 单击 添加 按钮，弹出“选择资源”窗口，在资源树中选择要发布的资源单击数据挖掘-采样
采样就是按照某种规则从数据集中挑选样本数据。 在Smartbi中支持五种类型的采样：随机采样、加权采样、分层采样、下采样、SMOTE。 概述 类型 说明 image2020-5-21 10:44:46.png 按照随机的原则，从总体数据中随机地抽取部分数据，保证总体样本中每一个样本都有已知的、非零的概率被选入为研究对象，以保证样本的代表性。 image2020-5-21 10:44:18.png 以加权方式生成采样数据。先从总体中，选择用于加权的列，然后按照该列值的大小进行采样，权重值越大，抽取的概率越大。 image2020-5-21 10:42数据挖掘-支持向量机
，每一段内的原始连续数值转换成特征中的一个新类别，是为了提高模型的准确度和稳定性，提高运行速度。 模型构建中，支持向量机的各个参数： 参数名称 值 说明 归一化 正则化 详情请参考 归一化 https://wiki.smartbi.com.cn/pages数据挖掘-梯度提升决策树
://wiki.smartbi.com.cn/pages/viewpage.action?pageId=51941896 介绍说明。 标准化 最小最大值归一化 最大绝对值归一化 最大迭代数 取值范围：>=0的整数，默认值为30 算法的最大迭代次数，达到最大迭代次数即退出。 最大迭代次数数据挖掘-逻辑回归
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。 标准化 最小最大值归一化 最大数据挖掘-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，方便特征选择进入模型训练。 参数设置 梯度提升回归树参数如下： 参数名称 值 说明 归一化 方法选择 正则化 详情请参考 归一化 https://wiki.smartbi.com.cn/pages/viewpage.action?pageId=51941896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 介绍说明数据挖掘-FP-Growth
’, ‘面包’}的支持度就是 5/10 = 0.5。 支持度表示在关联规则中出现的频率，支持度高说明物品的需求量大。 在实际零售场景中，可通过支持度，置信度，提升度 https://wiki.smartbi.com.cn/pages/viewpage.action?pageId=65606981#id-%E5Excel融合分析如何实现有系统数据+手工输入内容的报表
://wiki.smartbi.com.cn/pages/viewpage.action?pageId=50693076#id-%E7%B3%BB%E7%BB%9F%E9%80%89%E9%A1%B9%E9%AB%98%E7%BA%A7%E8%AE%BE%E7%BD%AE-2.5%E8%AE%BE%E7%BD%AE%E7%94执行引擎
设置实验引擎为高可用，默认为false（不可用）。 6 引擎agent超时时间(单位:毫秒) 设置引擎agent超时时间(单位:毫秒)。 7 系统api地址 实验引擎访问Smartbi的api地址。 8 节点数据是否存储 实验引擎的节点运行的数据是否进行存储到本地。 9 节点
