第13页，共149页。 显示 1,487 条结果 (0.03 秒)
用户属性
的资源有：表、视图、字段、函数。 使用说明 用户属性通常会和系统函数结合使用。 例如新建一个用户属性叫做"当前用户所属机构"，此用户属性的含义是根据用户名获得了用户所在的部门。 它的表达式是：select org_code from t_org_info where usr_name用户属性
该用户属性的表达式，允用户属性表达式许使用的资源有：表、视图、字段、函数。 使用说明 用户属性通常会和系统函数结合使用。 例如新建一个用户属性叫做"当前用户所属机构"，此用户属性的含义是根据用户名获得了用户所在的部门。 它的表达式是：select org_code from t_org_infoSQL查询/数据集支持权限控制
没有 查看 权限，如果需要控制不能查看数据，可以开启： 开启之后，”执行时“会抛出异常，但是能正常保存。 980.png 原因：是由于产品本身有 引用 权限就能查看数据，该控制项仅仅只是控制数据安全性，用户无法在 SQL查询 中随意输入表、字段 查找没有 查看 权限的数据。 2、以下是关于功能是否控 … 的提示。 以上只对V10.5.15以上版本生效~ 3 说明示例 可查看：SQL查询控制数据示例。 4、目前存在一些限制，以下情况还不兼容: 1、Select a.* 使用通配符进行查询时，解析器可以从当前 Smartbi 的基础表信息中获取，但是当使用到没有添加到 Smartbi 中的表时，会关系数据源连接报错排查
'@'%' IDENTIFIED BY 'pwd';（%表示允许所有IP） PostgreSQL FATAL: password authentication failed for user "user" 密码错误或驱动不兼容认证方式（如旧驱动不支持scram-sha-256） 1. 检查密码正确性 2. … 数据库连接为例，如果每种驱动获取连接的接口都是独特，那BI需要针对不同数据库实现不同的代码逻辑，这将是灾难性的。幸运的是，Java社区很早就考虑到了。Java社区发布了一套JDBC规范，各数据库厂商按照JDBC规范实现各自的驱动，Java应用只需要按照JDBC规范调用驱动接口，只需要一套代码，即可与不同数据库1232px组件属性
。 zujianshuxing-04.png 渐变各设置项说明如下： 设置项 说明 渐变色类型 分为线性渐变和径性渐变。 渐变方向 当为线性渐变时，渐变方向有从上到下、从下到上、从左到右、从右到左； 当为径性渐变时，渐变方向有居中、左上、右上、左下、右下通过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 … 的时效性与完整性。 实时数据抽取: 如需获取实时数据，可使用 “查询动态抽取” 功能。该功能可根据预设规则，实时响应数据变化，实现数据的动态更新。具体配置方法及注意事项，可查看直连 & 抽取文档。数据挖掘-线性回归
概述 一种常用的回归方法，它是利用数理统计中回归分析，来确定两种或两种以上变量间相互依赖的定量关系的一种统计方法，通过凸优化的方法进行求解，以达到预测评估的效果。 示例 使用“波士顿房价预测”案例数据，预测波士顿房价。 图片35.png 其中，相关性分析是为了分析特征变量与目标变量的相关性 … 。 epsilon 参数范围为：>1的数。默认值为1.35 huber损失函数中的 δ ；调节损失函数，用于控制算法模型的健壮性； epsilon 越大，损失函数对异常点惩罚就越大，也就是对异常点越敏感； 收敛阈值 参数范围为：>=0的数，默认值为 ：0.000001。 收敛误差值数据挖掘-线性回归
概述 一种常用的回归方法，它是利用数理统计中回归分析，来确定两种或两种以上变量间相互依赖的定量关系的一种统计方法，通过凸优化的方法进行求解，以达到预测评估的效果。 示例 使用“波士顿房价预测”案例数据，预测波士顿房价。 图片35.png 其中，相关性分析是为了分析特征变量与目标变量的相关性 … 。 epsilon 参数范围为：>1的数。默认值为1.35 huber损失函数中的 δ ；调节损失函数，用于控制算法模型的健壮性； epsilon 越大，损失函数对异常点惩罚就越大，也就是对异常点越敏感； 收敛阈值 参数范围为：>=0的数，默认值为 ：0.000001。 收敛误差值计算度量表达式使用多个NONEMPTYCROSSJOIN为什么会有性能问题？
。 1.2 空值过滤的开销 函数会在生成笛卡尔积后过滤掉所有 “空” 元组（即对指定度量值没有贡献的元组）。这个过滤过程需要： 扫描整个事实表或聚合表 对每个元组执行存在性检查 在大型数据集上，这个过程可能非常耗时 1.3 索引失效 MDX 查询优化器通常依赖多维数据集的预计算聚合和索引。但当使用V10.5 版本更新介绍
V10.5 Beta版于2022年3月9日发布，新版本中共有新特性80+，涉及指标管理、自然语言分析、可视化大屏、社交协同、数据挖掘等多个功能模块，大大提高了产品的易用性、美观性、性能、安全性和智能性。其中： 重大改进点：5个 新增功能点：40+ 增强功能点：30+ 一. 重大改进 1、新增指标管理 … %8D%AE%E5%87%86%E5%A4%87-%E6%95%B0%E6%8D%AE%E6%8A%BD%E5%8F%96%E4%B8%8E%E5%BB%BA%E6%A8%A1%E5%88%86%E7%A6%BB ^【数据模型】表关系区支持子布局视图 https://wiki.smartbi.com.cn/pages
