第77页，共149页。 显示 1,487 条结果 (0.035 秒)
Smartbi V10.5.15-基础平台
注意：(新特性列表中：+表示新增；^表示增强) V10.5.15版本重点对"加载文件数据"功能进行了优化和完善，详细改进情况如下： 新增 增强 +【基础平台】新增用户登录会话超时注销功能 +【基础平台】新增用户登录会话超时注销功能 在V10.5.15版本中，新增用户登录会话超时注销功能：在一定时间内页面无用户操作动作，则会触发会话超时，需要重新登录，增强系统安全性。 Snipaste_2023-04-07_16-57-02.png 参考文档 详情请参见：系统选项-用户管理 https://wiki.smartbi.com.cn/pages/viewpage.action数据挖掘-最大绝对值归一化
概述 最大绝对值归一化通过除以每个特征内的最大绝对值将每个特征映射到[-1,1]的范围；它不会移动和中心化数据，因此不会破坏任何的稀疏性。 输入/输出 输入 没有输入端口 输出 一个输出端口，与抽取、变换节点组合使用 参数设置 参数名称 说明 备注 新增列后缀 用于设置在原字段名后追加后缀生成新的列，默认后缀为：Normalized； 必填 图片3.png 示例 使用“鸢尾花数据”，特征选择4个特征列，最大绝对值归一化为[-1,1]范围的数据，输出结果如下图： 图片4.png 最大绝对值归一化数据挖掘-词向量
概述 词向量是表示文档的单词序列，通过训练Word2vec模型，将词语转化为向量。该模型将每个单词映射到一个唯一的固定大小向量。Word2Vec模型通过文档中所有单词的平均值将每个文档转换为一个向量；然后可以将该向量用作预测、文档相似性计算的特征。 参数设置 参数名称 说明 生成向量的数量 词向量的维度，默认值为50 词频 默认值为2，词频大于该值的词才能入选词典 示例 图片9.png 效果 使用“垃圾短信识别”示例数据，词向量的参数生成向量数量为50.词频为2，特征选择后，输出结果如下： 图片10.png 词向量自助ETL预览窗口取数逻辑
思考其影响性，综合因素判断，避免遗漏造成误判 image2023-12-11_18-31-14.png向量机启动自动调参之后，模型准确度下降
（本文档仅供参考） 问题现象 支持向量机的模型启用自动调参之后，模型的准确度下降 （未启用时） image2023-7-31_18-4-23.png （启用后） image2023-7-31_18-4-47.png image2023-7-31_18-4-58.png 解决方案 超参数搜索范围导致的：自动调参算法可能会在参数搜索空间中找到一个非常不利的组合，导致性能下降。这可能是由于搜索范围选择不当或者搜索算法本身的局限性导致的。建议重新评估所使用的超参数搜索范围，可以尝试更广泛或更有针对性的搜索范围。Smartbi-config.xml文件中密码如何加密
知识库密码的安全性配置世界地图区域
由于世界地图涉及到边界合法性的问题，因此 Smartbi 不提供世界地图的JSON，需要用户手动将世界地图文件放在扩展包中，采用部署扩展包的方式部署到 Smartbi 中进行应用。 后续进行 Smartbi 版本更新时，不会影响该扩展包的部署，不需要再重新部署。 该扩展包是个完全空的扩展包，只是为了方便用户放置世界地图的文件而提供的一个框架。 操作步骤 1. 准备世界地图JSON文件 该资源文件需要用户自行获取或从互联网上下载世界地图的JSON文件，通常是以 world.json 的格式存储。 image2022-1-17_14-38-40.png 如需对地图文件进行自定义修改，可参考 地图编辑器 httpsMondrian 3.0.4 学习总结
数据信息，描述 Cube的逻辑视图。有以下特性： 支持共享维度。 支持虚拟 Cube。 支持一个维度有多个 Hierarchy。 支持标准维、雪化维和父子维。 支持自定义成员/命名集。 文档目录： 相关文档： Mondrian Schema … 的实体化视图或聚合表上作进一步的聚合就可以了，这样能够大大提高查询分析的效率，并且减少占用的系统资源。 1、 每个 Cube可以有 0个或多个 Aggregate Tables。是否需要 Aggregate Tables，要考虑两个方面： 该应用的 MDX的查询频度。例如要经常查询各类产品每个月的销售量、销售价扩展包开发规范
03.png 04.png 2）后端：中英文处理 StringUtil.getLanguageValue（可指定需要获取的语言类型，也可不指定，则默认获取当前的语言类型） 05.png 其他：后端错误类型，后端代码中在抛出异常时也要兼容中英文环境，常常会使用枚举类与多语言Mondrian学习总结
数据信息，描述 Cube的逻辑视图。有以下特性： 支持共享维度。 支持虚拟 Cube。 支持一个维度有多个 Hierarchy。 支持标准维、雪化维和父子维。 支持自定义成员/命名集。 文档目录： 相关文档： Mondrian Schema … 在已经形成的实体化视图或聚合表上作进一步的聚合就可以了，这样能够大大提高查询分析的效率，并且减少占用的系统资源。 1、 每个 Cube可以有 0个或多个 Aggregate Tables。是否需要 Aggregate Tables，要考虑两个方面： 该应用的 MDX的查询频度。例如要经常查询各类产品每个月
