第33页，共53页。 显示 526 条结果 (0.062 秒)
⬝ 场景二：多台服务器部署
较大的服务单独部署在一个服务器中。 文档后续是基于全组件部署方案推荐，服务器配置可以根据安装组件来申请对应的配置，并非一成不变的。 如果可以，尽可能提高服务器配置。 多台服务器部署方案参考： 两台服务器部署 场景1、普通使用场景 服务器 部署组件 最低配置 推荐配置 备注 服务器一部署后安全检测清单
项目如果使用我们自己的proxy，需要在config页面配置proxy的地址及用户密码信息，其中配置proxy的密码需要加密保存 image (9).png 3.检查config页面登录用户 为了提高Config页面的安全性，降低被暴力破解的风险，系统默认的admin登录用户名可以通过配置文件进行修改。 修改添加数据源表
添加表到数据模型 点击 确定 后即加载到数据模型 一次添加多个表到数据模型后，可以通过右上角的“检测关系”自动添加表关系，如需调整设置，可参考：设置查询关系。 您可以选择不同的表“预览数据”，为了查询性能，默认只显示前100条数据，最多查询1000条数据。 数据源表添加到数据模型后，字段等元数据相关信息会消息中心界面介绍
消息推送： 有助于提高产品活跃度，引起用户关注，也能有效带动其他模块的使用率，激发用户对系统的使用欲望， 形成 使用 > 反馈 > 使用 的良性循环，有助于系统获得长久生命力和更强大的市场竞争力。 主要界面： 消息管理列表 image2021-9-29_11-28-38.png 新建消息 2022-02-17_14-34-32.png 消息提醒数据挖掘-数据预处理
在数据挖掘中，海量的原始数据存在着大量不完整、不一致、有异常的数据，严重影响到数据挖掘建模的执行效率，甚至可能导致挖掘结果的偏差，所以进行数据预处理就显得尤为重要。 Smartbi拥有强大数据处理功能，对各种结构化数据，可进行排序、去重、映射、行列合并等处理，满足客户日常数据处理的需要。 使用数据预处理可以： 1、提高数据的质量。 2、让数据更好地适应特定的挖掘技术或工具。 数据预处理数据挖掘-数据预处理
在数据挖掘中，海量的原始数据存在着大量不完整、不一致、有异常的数据，严重影响到数据挖掘建模的执行效率，甚至可能导致挖掘结果的偏差，所以进行数据预处理就显得尤为重要。 Smartbi拥有强大数据处理功能，对各种结构化数据，可进行排序、去重、映射、行列合并等处理，满足客户日常数据处理的需要。 使用数据预处理可以： 1、提高数据的质量。 2、让数据更好地适应特定的挖掘技术或工具。 数据预处理消息中心界面介绍
消息推送： 有助于提高产品活跃度，引起用户关注，也能有效带动其他模块的使用率，激发用户对系统的使用欲望， 形成 使用 > 反馈 > 使用 的良性循环，有助于系统获得长久生命力和更强大的市场竞争力。 主要界面： 消息管理列表 image2021-9-29_11-28-38.png 新建消息 2022-02-17_14-34-32.png 消息提醒报表在刷新很久之后，报 An error occurred
（本文档仅供参考） 问题： 报表在刷新很久之后，报如下错误 image2018-11-29 17:28:40.png 解决思路： 该问题是分发服务器报的错，建议尝试直接连smartbi服务器查看是否有问题； 检查smartbi中报表及后台sql刷新的时间，对比nginx中设置的超时时间，解决方案：1.优化报表及后台sql，提高响应速度 2.将nginx中超时时间调大一些。数据挖掘-归一化
归一化是一种无量纲处理手段，使物理系数值的绝对值变成某种相对值关系。主要是为了数据处理方便提出来的，把数据映射到某个范围之内处理，更加便捷快速。 归一化实质是一种线性变换，线性变换有很多良好的性质，这些性质决定了对数据改变后不会造成“失效”，反而能提高数据的表现，这些性质是归一化/标准化的前提。比如有一个很重要的性质：线性变换不会改变原始数据的数值排序。 一般需要用到归一化的算法有：支持向量机、梯度提升决策树、逻辑回归、梯度提升回归树、线性回归、K均值、高斯混合模型。 归一化数据挖掘-归一化
归一化是一种无量纲处理手段，使物理系数值的绝对值变成某种相对值关系。主要是为了数据处理方便提出来的，把数据映射到某个范围之内处理，更加便捷快速。 归一化实质是一种线性变换，线性变换有很多良好的性质，这些性质决定了对数据改变后不会造成“失效”，反而能提高数据的表现，这些性质是归一化/标准化的前提。比如有一个很重要的性质：线性变换不会改变原始数据的数值排序。 一般需要用到归一化的算法有：支持向量机、梯度提升决策树、逻辑回归、梯度提升回归树、线性回归、K均值、高斯混合模型。 归一化
