7、《Power BI Desktop 入门与实践指南》

《Power BI Desktop 入门与实践指南》

1. Power BI Desktop 功能区介绍

Power BI Desktop 有多个功能区,不同功能区在特定条件下显示,为用户提供不同操作选项:
- Drill/Data 选项卡 :专注于 Power BI 深入挖掘数据和查看构成可视化的原始数据的功能。仅在报表视图中,当画布上选择了可视化对象时才会出现。
- Table tools 选项卡 :用于调整表格属性,还能创建新表格、度量值和列。在报表和数据视图中,当在字段窗格中选择了表格时显示。
- Column tools 选项卡 :可调整数据集中列的属性。在报表和数据视图中,当在字段窗格中选择了列时显示。
- Measure tools 选项卡 :用于调整 DAX 度量值的属性。在报表和数据视图中,当在字段窗格中选择了度量值时显示。
- External Tools 选项卡 :当安装了外部工具(如 DAX Studio 或 Tabular Editor)时,在报表、数据和模型视图中显示。

2. 公式栏与 DAX 语言

公式栏是一个上下文元素,仅在创建或编辑计算列、度量值和计算表时出现。用户可通过公式栏输入数据分析师表达式(DAX)代码,在数据模型中创建列、度量值和表。

DAX 是一种由函数、运算符和值组成的公式语言,用于 Analysis Services(表格)、Power BI Desktop 和 Exce

【电能质量扰动】基于ML和DWT的电能质量扰动分类方法研究(Matlab实现)内容概要:本文研究了一种基于机器学习(ML)和离散小波变换(DWT)的电能质量扰动分类方法,并提供了Matlab实现方案。首先利用DWT对电能质量信号进行多尺度分解,提取信号的时频域特征,有效捕捉电压暂降、暂升、中断、谐波、闪变等常见扰动的关键信息;随后结合机器学习分类器(如SVM、BP神经网络等)对提取的特征进行训练分类,实现对不同类型扰动的自动识别准确区分。该方法充分发挥DWT在信号去噪特征提取方面的优势,结合ML强大的模式识别能力,提升了分类精度鲁棒性,具有较强的实用价值。; 适合人群:电气工程、自动化、电力系统及其自动化等相关专业的研究生、科研人员及从事电能质量监测分析的工程技术人员;具备一定的信号处理基础和Matlab编程能力者更佳。; 使用场景及目标:①应用于智能电网中的电能质量在线监测系统,实现扰动类型的自动识别;②作为高校或科研机构在信号处理、模式识别、电力系统分析等课程的教学案例或科研实验平台;③目标是提高电能质量扰动分类的准确性效率,为后续的电能治理设备保护提供决策依据。; 阅读建议:建议读者结合Matlab代码深入理解DWT的实现过程特征提取步骤,重点关注小波基选择、分解层数设定及特征向量构造对分类性能的影响,并尝试对比不同机器学习模型的分类效果,以全面掌握该方法的核心技术要点。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符  | 博主筛选后可见
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值