第40页，共90页。 显示 897 条结果 (0.035 秒)
数据挖掘-聚类系数
概述 聚类算法经过聚类训练之后，会明确每个特征的聚类中心和聚类标签。聚类系数就是输出聚类系数。 输入/输出 输入 一个输入端口，用于接收聚类训练后的结果。 输出 一个输出端口，用于输出聚类系数。 示例 以K均值为例，如下图： 图片48.png 点击右键可查看模型的聚类系数输出如下： 图片49.png 聚类系数数据挖掘-聚类评估
概述 聚类评估是对聚类结果进行评估，包括对聚类算法的评估指标（轮廓系数、和方差、CH指标）和样本量分布情况。 输入/输出 输入 只有一个输入端口，用于接收聚类训练后的结果。 输出 没有输出端口。 示例 使用方法如下图： image2020-11-9_13-58-11.png 点击右键可查看聚类评估的分析结果： image2020-11-9_14-0-54.png数据挖掘-聚类系数
概述 聚类算法经过聚类训练之后，会明确每个特征的聚类中心和聚类标签。聚类系数就是输出聚类系数。 输入/输出 输入 一个输入端口，用于接收聚类训练后的结果。 输出 一个输出端口，用于输出聚类系数。 示例 以K均值为例，如下图： 图片48.png 点击右键可查看模型的聚类系数输出如下： 图片49.png 聚类系数数据挖掘-聚类评估
概述 聚类评估是对聚类结果进行评估，包括对聚类算法的评估指标（轮廓系数、和方差、CH指标）和样本量分布情况。 输入/输出 输入 只有一个输入端口，用于接收聚类训练后的结果。 输出 没有输出端口。 示例 使用方法如下图： image2020-11-9_13-58-11.png 点击右键可查看聚类评估的分析结果： image2020-11-9_14-0-54.png网络测试
访问网络测试工具：http://ip:port/smartbi/supporttool/network http://ipport/，提供测试Smartbi机器到BI机器到目标机器的网络是否连通。 配置项说明 配置项 使用说明 IP地址 目标机器的IP地址、主机名、域名等 端口 目标机器开放的端口 测试结果 如果网络是连通的，测试结果显示“测试成功”。 image2023-12-4_20-18-41.png 如果网络不连通，测试结果会显示错误堆栈信息，常见是connect timed out错误。 image2023-12-4_20-22-27.png数据挖掘–移动平均
概述 移动平均是一个时间序列算法节点。移动平均可以消除序列中突发因素的影响，对数据总体走势进行平滑。 输入/输出 输入 一个输入端口，接收要进行预测的数据 输出 一个输出端口，用于输出预测后的结果 示例 如图，移动平均节点输入端接入数据，可以使用对应的模型对输入数据进行转换。 image2023-1-15_0-31-53.png image2023-1-15_0-32-6.png 输出的数据列名增加前缀，输出结果经过了移动平均算法的平滑处理。 image2023-1-15_0-32-17.png数据挖掘-元数据编辑
概述 元数据编辑可用于修改数据集中字段的一些属性，包括名称、别名、数据类型及字段顺序等。 image2020-5-22 9:57:51.png 输入/输出 输入 一个输入端口，用于接收数据集。 输出 一个输出端口，用于输出元数据编辑的结果。 参数设置 设置元数据编辑的参数： image2020-5-22 9:59:43.png 设置说明如下： 参数 说明 属性 用于修改各字段的名称、别名、数据类型及字段顺序： image2021-3-18_10-30-56.png 元数据编辑数据挖掘-增加序列号
概述 增加序列号节点是在数据表第一列追加ID列。 image2020-5-29 15:52:22.png 输入/输出 输入 一个输入端口，用于接收数据集。 输出 一个输出端口，用于输出增加序列号的结果。 参数设置 设置增加序列号的参数： image2020-5-29 15:50:8.png 序列列名称：新增序列号的名称。默认是：row_number。 增加序列号数据挖掘-聚类训练
概述 聚类训练是基于选择的特征，对聚类算法的模型进行聚类训练， 输出训练后的模型。 输入/输出 输入 两个输入端口：左边输入为待训练的聚类算法，右边输入则为特征选择的结果。 输出 一个输出端口，用于 输出训练后的模型。 示例 以K均值算法为例：如下图 image2022-10-25_11-26-39.png 鼠标右键点击聚类训练节点，可保存聚类训练后的模型。 聚类训练数据挖掘-模型系数
概述 算法经过训练之后，会明确每个特征（自变量）对于标签（因变量）的影响系数。模型系数就是将每个特征的系数输出。目前适用于线性回归、二分类、FP-Growth等。 输入/输出 输入 一个输入端口，用于接收算法训练结果。 输出 一个输出端口，用于将每个特征的系数输出。 示例 以逻辑回归算法为例，如下图： 图片46.png 点击右键查看模型系数的分析效果，可查看特征选择中每个特征的系数输出，如下图所示： 图片47.png 模型系数
