第115页，共595页。 显示 5,949 条结果 (0.083 秒)
数据权限设置—透视分析
透视分析是基于即席查询和数据集定义来定制的。如果要透视分析的数据权限也生效，则需对其数据来源进行数据权限设置，具体如下： 来源 说明 示例 基于即席查询 对即席查询设置好数据权限后，则透视分析也会生效。 即席查询 基于可视化数据集 对可视化数据集依赖的数据源和业务主题设置好数据权限后，则透视分析也会生效。 基于数据集的资源 基于SQL数据集/原生SQL数据集 需要在对应的SQL语句中手动添加条件。 SQL/原生SQL数据集数据权限 如需使用“SQL数据集、原生SQL数据集或可视化数据集”，需更换一个包含"SQL数据集、原生SQL数据权限设置—透视分析
透视分析是基于即席查询和数据集定义来定制的。如果要透视分析的数据权限也生效，则需对其数据来源进行数据权限设置，具体如下： 来源 说明 示例 基于即席查询 对即席查询设置好数据权限后，则透视分析也会生效。 即席查询 基于可视化数据集 对可视化数据集依赖的数据源和业务主题设置好数据权限后，则透视分析也会生效。 基于数据集的资源 基于SQL数据集/原生SQL数据集 需要在对应的SQL语句中手动添加条件。 SQL/原生SQL数据集数据权限 如需使用“SQL数据集、原生SQL数据集或可视化数据集”，需更换一个包含"SQL数据集、原生SQL数据挖掘-标准化
概述 标准化数据使数据具有单位标准差归一化或平均数据中心化。 单位标准差归一化：将输入数据进行单位标准差归一化，使转换后的数据具有单位标准差； 平均数据中心化：将输入数据进行中心化，使转换后的数据均值为0。 如果某个特征的标准差为0，则该特征的返回结果也为0。 输入/输出 … 数据减去均值再除以标准差 勾选则将输出入据进行单位标准差归一化 平均数据中心化 数据减去均值 勾选则将数据进行中心化 示例 使用“鸢尾花数据”，特征选择4个特征列，勾选单位标准差归一化，输出结果如下图： image2020-6-4 10_7_49.png 标准化数据挖掘-标准化
概述 标准化数据使数据具有单位标准差归一化或平均数据中心化。 单位标准差归一化：将输入数据进行单位标准差归一化，使转换后的数据具有单位标准差； 平均数据中心化：将输入数据进行中心化，使转换后的数据均值为0。 如果某个特征的标准差为0，则该特征的返回结果也为0。 输入/输出 … 数据减去均值再除以标准差 勾选则将输出入据进行单位标准差归一化 平均数据中心化 数据减去均值 勾选则将数据进行中心化 示例 使用“鸢尾花数据”，特征选择4个特征列，勾选单位标准差归一化，输出结果如下图： image2020-6-4 10_7_49.png 标准化数据预警第三方渠道接口示例
数据预警第三方渠道添加示例参考AlarmPushChannel.zip 项目相关文件说明 # 整体说明 预警推送有两种，一种是常规消息推送，一种是含动态接收人的消息推送。由于动态接收人的相关逻辑比较复杂，为了方便后续有项目只需要常规推送，准备了两个demo，分是常规推送渠道demo和包含动态接收 … , // 面板实现Vue，具体的预警面板内容 getDefaultData () { // 添加新的渠道时，初始化的默认数据结构 return { config: { receiverType: 'USER图形 - 数据集添加参数后在电子表格-图形-地图-根据参数切换地图未能及时更新
（本文档仅供参考） 问题 数据集添加参数后在电子表格-图形-地图-根据参数切换地图未能及时更新，具体步骤： 先创建原生SQL数据集，再开发电子表格 然后修改数据集添加参数 最后在图形-地图-根据参数切换地图，切换时下拉框没有识别到新的参数 image2025-2-10_9-22-26.png 解决办法 为了性能考虑避免重复发请求，在使用了一个数据集的时候就会将数据集相关信息缓存下来，不然每次点击都需要重新发请求，因此需要手动点击清空本地缓存或者重启Excel image2025-2-10_9-23-58.png 地图参数没有及时更新数据挖掘-服务SDK使用示例
=1686893942000&api=v2 服务引擎地址可通过系统运维-数据挖掘配置-服务地址得到, 如: https://wiki.smartbi.com.cn/download/attachments/101891616/image2023-6-16_13-43-18.png?version=1&modificationDate=1686894197000&api=v2 数据json串则由用户自己的业务数据构成, 结构按照上述截图。 四、返回结果说明 返回ServiceInstancesResponse对象调用ok方法, 如果返回true则表示成功, content内容为结果json串。如果false则表示执行异常, contentWindows 部署数据挖掘/SmartbiETL
本章简要介绍如何在Windows环境上单独部署数据挖掘引擎服务。 准备工作 获取数据挖掘安装包。 1、请确认license中包含数据挖掘服务，如若不包含，需要重新申请。 2、数据挖掘服务目前只支持jdk1.8。 3、安装包请联系Smartbi官方支持获取。 安装数据挖掘服务 1、解压缩安装包。 2、启动数据挖掘服务 执行启动脚本(路径：smartbi-mining-engine-bin\engine\sbin) 双击运行启动脚本一：experiment-daemon-start.bat 双击运行启动脚本二：service-daemon-start.bat 首次启动是为了生成数据挖掘配置文件数据模型-定义流程
数据模型的定义流程主要包含如下几个环节： image2021-8-11_16-56-45.png 1、新建数据模型：用于进入到数据模型的定义编辑界面，详情请参见：数据模型创建入口 https://wiki.smartbi.com.cn/pages/viewpage.action?pageId=69737157#id-%E5%A2%9E%E5%BC%BA%E6%95%B0%E6%8D%AE%E9%9B%86%E7%95%8C%E9%9D%A2%E4%BB%8B%E7%BB%8D-1.%E5%85%A5%E5%8F%A3。 2、创建私有查询：用于创建数据模型的数据来源资源。详情请参见：数据模型-私有查询 https数据挖掘-FP-Growth
生活中的数据本身包含着各种联系，大数据的出现给我们带来了一种新的思维方式，那就是跳出先因后果的思维方式，用大量的数据统计结果去倒推原因，找到无关因素间的隐蔽联系，例如众人皆知的营销案例 "啤酒和尿布”。本文将介绍目前业界经典关联规则算法 FP-Growth，借助分析购物篮中商品数据，找出商品之间的关联关系，帮助用户挖掘出数据最大的价值，获得更大的经营收益。 FP-Growth 简介 FP-Growth（Frequent Pattern Growth）作为一种经典的关联规则算法，可以高效自动地从数据中挖掘出频繁集合，进而挖掘出潜在的关联规则，这些在企业营销决策的制定过程中具有重要的参考价值。另外，FP-Growth
