第43页，共594页。 显示 5,933 条结果 (0.045 秒)
通过API获取数据
1 背景 产品现已支持通过 API 接口直接对接外部系统，实现数据实时拉取。该方案具备即时性与便捷性，可满足多样化的数据获取需求，助力高效数据处理与分析。 2 具体方案 方案1：数据模型脚本查询调用 通过在数据模型中添加脚本查询的方式调用 API，实现数据获取。具体代码可参考RESTful 查询示例 https://wiki.smartbi.com.cn/pages/viewpage.action?smt_poid=43&pageId=76678458，开发者可根据实际接口规范调整参数与请求逻辑，完成数据的灵活调用。 方案2：数据模型Java查询实现 利用数据模型的 Java 查询功能对接 API，详细操作步骤数据挖掘-训练
概述 训练是基于选择的特征，对各种分类和回归算法的模型进行训练。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算法，右边输入则为训练集。 输出 一个输出端口，用于输出训练后的模型。 示例 以逻辑回归算法为例：如下图 图片39.png 训练节点点击鼠标右键，可查看模型分析结果以及保存模型。 注：需要和“特征选择”节点联合使用，参考数据挖掘-聚类训练 训练Echarts图形-扩展属性：数据标签 - 横条图数据项标签负值显示为正数
（此文档仅供参考） 问题1： 横条图原始数据项标签如下截图，希望左边的数据项标签显示为正值： image2022-2-9_16-51-59.png 解决方案 可以参考以下扩展属性去实现： { "series": [{},{ "label … ;}" } } }] } 实现效果如下： image2022-2-9_16-50-45.png 实现数据标签（label）效果后，如何在横条图中继续实现左边的数据提示（tooltip）显示为正值：可以参考以下扩展属性去实现： 1 2 3 4 5 6一站式数据工作平台
该案例基于V10.5版本制作 背景 门户组件可用于打造一个一站式数据工作平台，它能够使用户在访问时快速获得他想要的内容，支撑各领域的数据挖掘、数据分析、数据共享、数据查询、交互、数据图形化展示功能。在公司范围内营造自主的数据应用氛围和文化，传播数据应用价值。 场景意义 1. 流量入口、一键访问 (1) 通过首页可以快速访问数据相关的应用。 (2) 快速访问常用模块或外部网站。 2. 提供便捷的数据服务 (1) 提供自助分析、报表、外部数据查询等数据服务，能满足决策层、管理层、执行层的不同数据需求 (2) 及时了解到近期的重要通知，以及便捷查阅自己的待办已办事项。 3. 快速查阅数据全景、数据数据挖掘-已训练模型
概述说明 已保存的训练模型可直接利用特征进行分类和回归预测，无需再次训练，使用简单方便。 应用示例 以“垃圾短信识别”案例数据，预测是否为垃圾短信。 图片7.png 已训练模型数据挖掘-已训练模型
概述说明 已保存的训练模型可直接利用特征进行分类和回归预测，无需再次训练，使用简单方便。 应用示例 以“垃圾短信识别”案例数据，预测是否为垃圾短信。 图片7.png 已训练模型ETL-执行节点报错：数据集节点抽取失败，请检查数据集是否配置正确
（本文档仅供参考） 问题场景 用户通过ETL将sql数据集同步到目标库CK数据库，sql数据集可以正常查询，执行ETL节点时报错(数据集节点抽取失败，请检查数据集是否配置正确)。 image2023-8-8_14-6-38.png 解决方案 在设置完数据集后，在ETL选择数据集前必在抽取设置选择提取方式，比如：实时，可正常保证ETL的数据集的抽取。 image2023-7-27_10-0-33.png数据模型抽取模式下如何展示实时数据
（本文档仅供参考） 问题： 数据模型中java查询、存储过程查询等子查询默认会走抽取模式，抽取模式需要定时抽取才会展示新的数据，但是实际数据变化时不规律的，无法定时抽取，如何展示实时数据？ 解决方案： 可采用时间参数+动态查询（按次抽取）方式实现，由于每次打开参数默认值不一样从而触发抽取，最终达到展示实时数据效果。 以脚本查询为例，操作步骤： 1、创建时间参数，参数默认值设置为获取当前系统时间，具体到秒 image2024-7-30_17-8-5.png 2、创建脚本查询，查询中需引入时间参数 image2024-7-30_17-11-53.png 3、设置为按次抽取数据模型基于全量抽取实现数据权限管控
(本文档仅供参考） 问题现象 问题背景： 目前想通过模型中sql查询去搭建一个业务场景的模型，目前的问题是数据量比较大，查询速度慢，已经建议过使用抽取模式，但是抽取模式无法管控权限，只能是管控住当前抽取人的权限，后又经过使用查询动态抽取（按次抽取），发现查询动态抽取（按次抽取）可以满足权限管控，但是每次抽取都需要2小时左右。 注：本次示例中使用的是sql查询，导致sql语句中只能管控住当前抽取人 数据模型抽取机制： 全量抽取: 当前第一次抽取时会进行建表、抽取数据，此时查询数据会提示当前抽取未完成，当第二次及之后抽取时，会形成一张临时表，进行抽取数据，当数据抽取完成后，会进行原表删除、临时表修改表名操作，此时不会数据挖掘-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 SMS-40825【文档问题反馈】数据挖掘-聚类训练文档问题
