第56页，共578页。 显示 5,779 条结果 (0.129 秒)
关系型数据源-达梦6数据连接
1 概述 本文介绍如何在smartbi V9.5以上版本中连接达梦6数据库。 2 数据连接 2.1 配置信息 驱动程序类 连接字符串 驱动程序存放目录 dm6.jdbc.driver.DmDriver jdbc:dm6://<servername>:5236/<database> 产品内置 连接字符串主要信息说明： <servername>：数据库的地址； <database>：数据库名称； 以上信息一般可以联系数据库管理员获取。 2.2 连接步骤 1）登录Smartbi企业报表分析平台，选择 数据连接>关系数据库 ，点击 达梦 图标进入数据库连接功能 - 电子表格是否可以设置每页显示多少数据
电子表格支持分页设置，但是无法设置每页显示多少数据。 因为电子表格是基于Excel创建的，电子表格一页显示多少数据由Excel中页面大小和分页符位置共同决定。 关于电子表格的分页设置请参考： 分页设置 https://history.wiki.smartbi.com.cn/pages/viewpage.action?pageId=35750621。 每页行数 每页限制数据量数据挖掘-服务
在进行机器学习实验的过程中，为了简化和加速模型的构建、训练和部署，使用自动化机器学习功能更快速地识别合适的算法并优化超参数。 服务工作流示例 服务工作流是将数据挖掘以服务的方式进行发布。 要求：输入层必须是“服务输入”节点，输出层必须是“服务输出”节点。 通过部署服务后，通常用于数据预测的应用。“服务输入”的处理层可以实现数据来源于其它接口。 下图是一个简单的服务工作流示例： image2019-8-8 15_23_53.png 在这个工作流中，实现的是对输入的数据进行派生列处理后输出。 部署服务 概述 服务部署指的是当用户用实验训练好了一个预测模型 ，并将此预测模型部署成一个web的服务。当前发布的web数据挖掘-服务
在进行机器学习实验的过程中，为了简化和加速模型的构建、训练和部署，使用自动化机器学习功能更快速地识别合适的算法并优化超参数。 服务工作流示例 服务工作流是将数据挖掘以服务的方式进行发布。 要求：输入层必须是“服务输入”节点，输出层必须是“服务输出”节点。 通过部署服务后，通常用于数据预测的应用。“服务输入”的处理层可以实现数据来源于其它接口。 下图是一个简单的服务工作流示例： image2019-8-8 15_23_53.png 在这个工作流中，实现的是对输入的数据进行派生列处理后输出。 部署服务 概述 服务部署指的是当用户用实验训练好了一个预测模型 ，并将此预测模型部署成一个web的服务。当前发布的webAliyun AnalyticDB数据连接
1 概述 本文介绍如何在smartbi V9.5以上版本中连接aliyun Analytic DB数据库。 2 数据连接 2.1 配置信息 驱动程序类 连接字符串 驱动程序存放目录 com.mysql.jdbc.Driver jdbc:mysql://<servername>/<database>?useUnicode=true&characterEncoding=UTF-8&engine=MPP 产品内置 连接字符串主要信息说明： <servername>：数据库的地址； <database>：数据库名称； 以上信息一般向数据库管理员获取数据挖掘-PYTHON脚本
随着大数据时代的到来，Python已经在数据处理、数据可视化、机器学习等领域受到广泛应用。本文将介绍如何在smartbi中编写Python脚本，利用其丰富的科学计算扩展库，满足更多数据处理和分析场景，提高生产效率。 功能概述 Python脚本功能，支持用户编写Python代码，以便实现更自由、更高效的数据处理、数据分析操作，丰富了数据建模过程。 操作说明 （1）功能入口 从左侧资源树的 脚本模块 拖拽出“Python脚本” 节点到画布中。 入口.png （2）数据输入 用户可根据实际情况，对“Python脚本” 使用1~3个输入口（dataframe1~3）来获取数据，然后在Python脚本中按需修改dataframe数据挖掘-PYTHON脚本
随着大数据时代的到来，Python已经在数据处理、数据可视化、机器学习等领域受到广泛应用。本文将介绍如何在smartbi中编写Python脚本，利用其丰富的科学计算扩展库，满足更多数据处理和分析场景，提高生产效率。 功能概述 Python脚本功能，支持用户编写Python代码，以便实现更自由、更高效的数据处理、数据分析操作，丰富了数据建模过程。 操作说明 （1）功能入口 从左侧资源树的 脚本模块 拖拽出“Python脚本” 节点到画布中。 入口.png （2）数据输入 用户可根据实际情况，对“Python脚本” 使用1~3个输入口（dataframe1~3）来获取数据，然后在Python脚本中按需修改dataframe快速准备数据并创建仪表盘
1 概述 本文为您演练如何在Smartbi中连接处理数据，创建和分享仪表盘看板等，帮助用户快速入门。 2 情景介绍 假设您是一家食品零售公司的数据分析师，销售总监刚刚拿到2021年5月份的销售数据，但是他发现近期销售利润出现下滑，为了制定下一步的经营策略，需要您找出利润下滑的原因，辅助销售总监做出决策。 3 准备工作 1、安装并启动Smartbi 可参考安装部署与升级 2、在产品的登录页面，输入用户名、密码，登录到系统 kuaisurumen01.png 4 实现步骤 4.1 数据连接 当您开始使用Smartbi进行数据分析，数据连接是您需要做的第一步，Smartbi支持丰富的数据库类型，包括关系数据即席查询如何实现数据库的left join效果
（本文档仅供参考） 问题 目前有如下数据，基于数据模型的即席查询如何实现数据库的left join效果？ image2025-3-19_11-5-46.png image2025-3-19_10-58-21.png image2025-3-19_10-58-47.png 当前效果 image2025-3-19_11-6-21.png 理想效果 image2025-3-19_11-6-57.png 解决方案 开启【显示无数据项目】，设置项说明：即席查询中如何查看无事实数据的维度数据 image2025-3-19_11-7-39.png 即席查询左关联 即席查询left join基于数据模型创建仪表盘，日期控件筛选日期为空
（本文档仅供参考） 问题描述： 使用日期控件的筛选器筛选数据，结果为空，对应表格中存在相应数据 image2023-7-27_12-53-21.png image2023-7-27_12-53-56.png 解决方案： 经排查日期控件筛选器执行得mdx语句为‘2023年6月’，其他控件为2023年06月，原因为日期控件不支持yyyy-m的格式； 在数据模型中生成日期表， 选择日期格式为yyyy-MM-dd格式，然后关联原表即可。 yyyy-m
