加载中
两句话,让你轻松实现FEA数据迁移!

为什么要进行数据迁移? 广义上来说数据迁移的目的就是为了让有价值的数据创造更好的生存环境,让其更安全、更可靠、更有效的为客户服务。对于FEA客户来说为什么要进行数据的迁移?一方面客户...

2019/11/12 09:56
159
开启敏捷小程序的新时代

说到小程序可能大家最先想到的是微信小程序,因为它不仅解决了用户安装过多应用的忧虑,而且实现了应用的“触手可及,用完即走”的理念。可今天小编说的此程序非彼程序。 何为(FEA)小程序?...

2019/10/22 14:36
53
FEA动态交互你知多少?

上期微刊中小编将FEA主要分为4代,就如文章中所描述的目前大部分使用者还集中在第二代全景大屏,对于第三代可动态交互大屏是知其然不知其所以然。所以本期小编将针对如何实现数据动态交互这个...

2019/10/14 10:18
163
手把手教你如何在FEA上进行ECharts图表封装

最近很想和大家分享下,如何在FEA上利用ECharts进行图表封装(可能和FEA杠上了有关),于是以echart饼图插件为例尝试了下,具体实现步骤如下: 1、创建文件目录与配置空函数。 2、echart图表...

2019/09/25 20:07
728
用机器学习构建模型,进行信用卡反欺诈预测

本文通过利用信用卡的历史交易数据进行机器学习,构建信用卡反欺诈预测模型,提前发现客户信用卡被盗刷的事件。 1. 数据的下载和数据介绍 数据的下载地址为 https://www.kaggle.com/dalpozz...

数据分析繁华的背后,都隐藏着怎样的哀伤

大数据技术的核心是什么? 面对这个问题,相信大家都会回答是大数据分析系统。 大数据分析系统从海量类型多样、增长快速、内容真实的数据背后挖掘、分析,从中找出可以帮助决策的价值信息,未...

用SPK技术分析,泰坦尼克号沉船之后哪些人活下来了

本文采用Kaggle中比较知名的数据集Titanic Machine Learning from Disaster作为分析数据源,该数据集被评为五大最适合数据分析练手项目之一。 分析目的是根据训练集预测部分乘客在沉船事件中...

Spark2.x与ElasticSearch的完美结合

ElasticSearch(简称ES)是一个基于Lucene的搜索服务器。它提供了一个分布式多用户能力的全文搜索引擎,基于RestFul web接口。ElasticSearch是用Java开发的,并作为Apache许可条款下的开放源...

基于Spark ML 聚类分析实战的KMeans

聚类分析是一个无监督学习 (Unsupervised Learning) 过程, 一般是用来对数据对象按照其特征属性进行分组,经常被应用在客户分群,欺诈检测,图像分析等领域。K-means 应该是最有名并且最经常...

可视化设计器的正确打开方式

FEA可视化设计器越来越强大了 强大到你真的有点不认识它了! 你不信? 跟我来看看 一、背景和样式全面改版 ———————————————————————————————————————...

你用着单屏多任务系统,却想打造实时预警/分析中心

为帮助决策者实时且全面地把控各类安全状况 在大屏态势感知系统中加入实时预警功能是非常有必要的 可以实时预警通报各类网络攻击事件、有害程序事件、信息破坏事件、重大网络安全隐患事件等 ...

听说有人看3D版的《战狼2》掀翻爆米花,那看加入3D图的可视化会怎么样?

最近大火的电影 非《战狼2》莫属 8月2日票房已达到16.08亿 上映才7天! (战狼2海报) 百度、搜狗、新榜的排行基本在top10以内 除了精彩的故事情节之外 3D效果也是十分的提气 提气到什么程度呢...

2017/08/10 14:26
182
深入浅出FEA-spk,有原理有案例接地气!

随着大数据和云计算时代的到来,数据规模越来越大,随之出现了很多大数据框架,比如Hadoop用来实现分布式文件存储的HDFS,MapReduce、Spark、Storm等计算框架,Hbase,Mongob等数据库,Hive数...

用随机森林分类算法进行Iris 数据分类训练,是怎样的体验?

MLlib是Spark的机器学习(ML)库,旨在简化机器学习的工程实践工作,并方便扩展到更大规模。 MLlib由一些通用的学习算法和工具组成,包括分类、回归、聚类、协同过滤、降维等,同时还包括底层...

什么?多个体多维度分析效率能从3天压缩到30分钟?

在进行机器学习的时候,我们需要对单个体进行多维度分析,比如说在日志审计系统,我们需要对每一个操作账户进行操作次数统计,总操作次数统计,方差,极值,中值,突变度等计算。有时,也要计...

没有更多内容

加载失败,请刷新页面

返回顶部
顶部