本次实验基于学生考勤次数数据，利用 K-Means 聚类算法完成了学生考勤行为的自动分群建模，并结合助睿 BI 平台实现了聚类结果的可视化分析与业务解读，最终将扩展标签回写至原始考勤主题标签表。整个过程实现了从数据建模、结果解释到标签扩展的完整闭环，验证了零代码平台在机器学习建模与数据可视化分析中的高效性与易用性。通过本实验，掌握了以下核心能力：在 AI Studio 中完成数据加载、K-Mean

本次实验基于学生考勤次数数据，利用 K-Means 聚类算法完成了学生考勤行为的自动分群建模，并结合助睿 BI 平台实现了聚类结果的可视化分析与业务解读，最终将扩展标签回写至原始考勤主题标签表。整个过程实现了从数据建模、结果解释到标签扩展的完整闭环，验证了零代码平台在机器学习建模与数据可视化分析中的高效性与易用性。通过本实验，掌握了以下核心能力：在 AI Studio 中完成数据加载、K-Mean

本次实验基于学生考勤次数数据，利用 K-Means 聚类算法完成了学生考勤行为的自动分群建模，并结合助睿 BI 平台实现了聚类结果的可视化分析与业务解读，最终将扩展标签回写至原始考勤主题标签表。整个过程实现了从数据建模、结果解释到标签扩展的完整闭环，验证了零代码平台在机器学习建模与数据可视化分析中的高效性与易用性。通过本实验，掌握了以下核心能力：在 AI Studio 中完成数据加载、K-Mean

摘要：本次实验基于助睿数智(Uniplore)零代码ETL平台，完成订单数据的关联处理与分流输出。实验通过拖拽组件方式，实现订单表与产品表的左外连接、字段筛选，并按利润条件将数据分流输出为盈利订单和亏损订单两个Excel文件。实验验证了该平台无需编码即可完成复杂ETL流程的能力，包括数据连接、字段处理、条件过滤等核心功能，为数据加工任务提供了可视化解决方案。实验配套B站视频教程，适合初学者快速掌握