k均值 概述 “K-均值”节点用于产生聚类模型，用户在使用时需要指定聚类个数。K-均值算法是基于距离的算法，将所有数据归类到其最邻近的中心。 输入 参数 子参数说明 参数说明 inputs dataframe inputs为字典类型，dataframe为pyspark中的DataFrame类型对象

查看更多 →

二分k均值 概述 二分k-means算法是分层聚类（Hierarchical clustering）的一种，分层聚类是聚类分析中常用的方法。 分层聚类的策略一般有两种： 聚合：这是一种自底向上的方法，每一个观察者初始化本身为一类，然后两两结合。 分裂：这是一种自顶向下的方法，所有

查看更多 →

new_column_b,additional_column_b" 聚合操作有： sum：求和 sum_distinct：去重后求和 avg：均值 avg_distinct：去重后求均值 min：最小值 max：最大值 count：计数 count_distinct：去重后计数 stddev_pop：标准差

查看更多 →

伸缩策略中的PromQL必须返回单个值，因此需要处理查询得到的指标数据，以得到单个值，示例如下： 查询最新一条指标，并求平均值，得到所有实例的http请求总数的平均值： avg(http_requests_total{environment_name="my_environment"

查看更多 →

权重 业务对象 业务对象下所有表评分的加权求平均值，即：∑业务对象下所有表评分/表的数量。 主题域 主题域下所有业务对象评分的加权求平均值，即：∑主题域下所有业务对象评分/业务对象的数量。 主题域分组 分组下所有主题域评分的加权求平均值，即：∑分组下所有主题域评分/主题域的数量。

查看更多 →

} } } } } } 这条查询时对时间字段timestamp做直方图分组，然后求score的平均值。timestamp是典型的高基字段，如果要对上述查询使用聚合增强特性，那么设置如下： // 索引设置 "settings" : {

查看更多 →

TS_Sum(qps)，结果为周期内的总qps值。 sin 数学 求弧度的sin值 sin(3.14/2) = 0.9999996829318346 cos 数学 求弧度的cos值 cos(3.14) = -0.9999987317275395 tan 数学 求弧度的tan值 tan(3.14/4) = 0

查看更多 →

您可从“运营情况”判断IVR整体运营健康度。 根据IVR流程的核心指标的同比（同比上月）的涨跌情况（所有核心指标的同比涨跌率绝对值求算术平均值）判断IVR整体运营健康度。 核心指标涨跌幅均值在5%以内，表示运行良好；涨跌幅在5%~10%表示IVR流程运行状况一般；涨跌幅在10%以上，表示IVR流程运

查看更多 →

表示查看具体时间段的云桌面使用率、桌面使用数、桌面总数统计，可根据今日、近7天、近30天和自定义时间段查看。 说明： 今日：桌面使用数/总桌面数。 本月：日使用率按月求平均值。 桌面使用数：包含时间段内正在使用的桌面和已使用的桌面。 查询到的桌面使用数：以小时为查询节点，则查询到的桌面使用数存在0~15分钟的

查看更多 →

double 求x的正弦值。 SELECT sin(1.57079);-- 0.9999999999799858 tan(x) → double 求x的正切值。 SELECT tan(20);-- 2.23716094422474 tanh(x) → double 求x双曲正切值。

查看更多 →

表6 FuncInfo 参数 是否必选 参数类型 描述 func 是 String 指定简单函数名称。 AVG：求平均值。 COUNT：求总数。 MAX：求最大值。 MIX：求最小值。 funcBy 是 String 指定简单函数以哪个属性为维度操作。 表7 SortInfoVo 参数

查看更多 →

DLI 所支持的聚合函数如聚合函数表所示。 表1 聚合函数表 函数 命令格式 返回值 功能简介 avg avg(col), avg(DISTINCT col) DOUBLE 求平均值。 corr corr(col1, col2) DOUBLE 返回两列数值的相关系数。 count count([distinct|all]

查看更多 →

DLI所支持的聚合函数如聚合函数表所示。 表1 聚合函数表 函数 命令格式 返回值 功能简介 avg avg(col), avg(DISTINCT col) DOUBLE 求平均值。 corr corr(col1, col2) DOUBLE 返回两列数值的相关系数。 count count([distinct|all]

查看更多 →

将弧度转换为角度。 SIN SIN(x) 求正弦值，参数是弧度。 ASIN ASIN(x) 求反正弦值，参数是弧度。 COS COS(x) 求余弦值，参数是弧度。 ACOS ACOS(x) 求反余弦值，参数是弧度。 TAN TAN(x) 求正切值，参数是弧度。 ATAN ATAN(x)

查看更多 →

设置DTC通道均值参数。 参数说明 参数名 输入/输出 类型 描述 dtcPixelMeanChn0 输入 int16_t 通道0均值。 dtcPixelMeanChn1 输入 int16_t 通道1均值。 dtcPixelMeanChn2 输入 int16_t 通道2均值。 dtcPixelMeanChn3

查看更多 →

操作步骤：选择断面的情况下，单击“历史数据”> 按需选择日期/指定参数 实时和均值 图11 实时和均值 主要功能：展示监测指标的均值（月均、日均、小时均值） 操作步骤：选中实时，查看实时（最近一次）数值 > 选中均值，按需选择站点均值类型 数据频率大于1 小时的无均值显示 排水户 图12 排水户 主要功能：显示境内所有排水户信息。

查看更多 →

单位：字节/秒 ≥ 0 bytes/s 云硬盘 5分钟(平均值) disk_device_write_bytes_rate 云硬盘写带宽 该指标用于统计每秒写到测量对象的数据量。 单位：字节/秒 ≥ 0 bytes/s 云硬盘 5分钟(平均值) disk_device_read_requests_rate

查看更多 →

单击“确定”，执行信息熵。 在“特征操作流总览”区域会新增一个“信息熵”节点。 新增特征 新增特征支持用户基于已有的特征列，按照样本数据行的维度，通过求和、求均值，构造出新的特征列。例如，两个特征列ID1（2,7,1）和特征列ID2（3,2,7），求和后构造出的特征列为ID_SUM（5,9,8）。

查看更多 →

| 3 Fri Jul 12 00:14:00 2019 | (6 rows) 以1min为单位，求分组内的平均值，用前后两个时间的加权平均值，填充当前值： 1 2 3 4 5 6 7 8 9 10 select time_fill(interval

查看更多 →

| 3 Fri Jul 12 00:14:00 2019 | (6 rows) 以1min为单位，求分组内的平均值，用前后两个时间的加权平均值，填充当前值： 1 2 3 4 5 6 7 8 9 10 select time_fill(interval

查看更多 →

实例所使用磁盘的io_wait值（10秒均值）。 io_util real 实例所使用磁盘的io_util值（10秒均值）。 disk_read real 实例所使用磁盘的读速率（10秒均值），单位为KB/s。 disk_write real 实例所使用磁盘的写速率（10秒均值），单位为KB/s。 process_read

查看更多 →