第103页，共606页。 显示 6,060 条结果 (0.079 秒)
查看数据行权限
系统中内置报表，列出用户所拥有的数据行权限。 报表入口 在“分析展现”界面，展开左侧资源目录区，选择 分析报表 > system > 分析报表 > 查看数据行权限 ，双击打开“查看数据行权限”，如图： chakanshujuhangquanxian-01.png 报表介绍 报表界面 … 用户的权限 用户别名 用户的显示名称 角色 过滤条件下所选择的角色，“角色”条件不勾选时，默认列出所选用户下所有用户权限 权限 列出用户对资源所拥有的权限 数据源 资源所属的数据源名称 表名称 资源来源的表名称 表达式 资源的相关表达式数据挖掘–指数平滑
进行预测的数据 输出 一个输出端口，用于输出预测后的结果 示例 如图，指数平滑节点输入端接入数据，可以使用对应的平滑算法对输入数据进行转换。 image2023-1-15_0-38-46.png image2023-1-15_0-39-0.png 输出结果中增加两列。第一列是拟合列，名称规则为被预测列的列名增加前缀，输出结果经过了指数平滑算法的拟合处理。另一列表明拟合列中的数据是否是预测结果，0表示是对历史数据的拟合，1表示是通过拟合数列对未来的预测。 image2023-1-15_0-39-15.png数据挖掘-SQL脚本
概述 SQL脚本支持手动输入SQL语言完成对数据进行处理和查询的任务。 输入/输出 输入 有4个输入端口 输出 只有一个输出端口，用于输出通过服务获取的数据。 参数设置 参数名称 说明 备注 视图名称 显示每个端口对应的表名 表名可修改 SQL脚本 编写SQL脚本的窗口 必填 示例 1) 拖动SQL脚本节点，并连接鸢尾花数据数据源。 image2021-9-23_17-52-4.png 2）更改表名为t0, 编写SQL脚本并点击确定保存. image2021-9-23_18-0-37.png 3数据挖掘–指数平滑
进行预测的数据 输出 一个输出端口，用于输出预测后的结果 示例 如图，指数平滑节点输入端接入数据，可以使用对应的平滑算法对输入数据进行转换。 image2023-1-15_0-38-46.png image2023-1-15_0-39-0.png 输出结果中增加两列。第一列是拟合列，名称规则为被预测列的列名增加前缀，输出结果经过了指数平滑算法的拟合处理。另一列表明拟合列中的数据是否是预测结果，0表示是对历史数据的拟合，1表示是通过拟合数列对未来的预测。 image2023-1-15_0-39-15.png如何连接与使用明道云数据源？
一、概述 在使用明道云做数据分析，需要先部署需要下面两个文件：明道云插件包、明道云节点压缩包。 序号 名称 描述 V10版本最新插件包 1 MingDaoYun.ext 明道云插件包 MingDaoYunV10.5.ext 2 MDYun.zip … 的扩展包以及是否启用，如下图: image2022-3-21_14-15-59.png 如启用，会加载成功，点击可连接数据源界面; 2.2 加载挖掘引擎部署 1.在smartbi平台打开系统运维-数据挖掘配置-上传自定义java扩展包上传MDYun.zip, 提示上传成功即表示明道云节点压缩包部署成功数据挖掘-聚类算法
聚类算法常用于无监督学习问题。例如：客户价值细分：高价值客户，一般客户，低价值客户。 聚类：对大量未知标注的数据集，按数据的内在相似性将数据集划分为多个类别，使类别内的数据相似度较大，而类别间的数据相似度较小。 聚类算法数据挖掘-聚类算法
聚类算法常用于无监督学习问题。例如：客户价值细分：高价值客户，一般客户，低价值客户。 聚类：对大量未知标注的数据集，按数据的内在相似性将数据集划分为多个类别，使类别内的数据相似度较大，而类别间的数据相似度较小。 聚类算法自助仪表盘-线图的数据点个数
（本文档仅供参考） 问题说明 自助仪表盘线图中，发现线图中的小圆点个数并不是根据数据量大小来生成的，有的时候数据量很大，但是圆点个数反而更少，而小数据量时，圆点个数反而更多。 而且也并不是一条数据对应一个圆点，或者一个坐标轴数据对应一个圆点的，请问这个小圆点的个数是怎么来确定的，能否在不影响x轴显示步长的情况下，设置他显示的频度？ 解决方案 自助仪表盘的图形<数据点>是根据图形画布的大小以及输出行数，自适应地显示的个数（如下图所示），目前还没有办法去控制数据点的显示个数与频度。 同样的输出行数，在画布较大的情况，此时数据点个数会比画布较小的时候更多的。 image2018-12-3 10:41:5.pngExcel融合分析如何处理超大数据量
1. 背景 一线的业务人员获取Excel明细表，原始数据量动辄几十万上百万条；虽然Excel是一款深受青睐、广泛使用的数据处理工具，但是Excel自身在处理大数据量情况下存在性能问题；并且当大数据量的Excel分析报表展现在web上会占用太多缓存，会容易撑爆内存导致宕机。 基于上述背景，本文将介绍在创建大数据量的Excel融合分析报表过程中，应该采取哪些操作方案，能够有效避免大数据量导致卡顿、提升查询性能。 2. 操作步骤 2.1 数据准备方式 在创建Excel融合分析报表前的数据准备阶段，我们可参考如下两个方式操作： 查询情况 操作要点 效果 单表查询 创建透视分析数据集Excel融合分析如何处理超大数据量
1. 背景 一线的业务人员获取Excel明细表，原始数据量动辄几十万上百万条；虽然Excel是一款深受青睐、广泛使用的数据处理工具，但是Excel自身在处理大数据量情况下存在性能问题；并且当大数据量的Excel分析报表展现在web上会占用太多缓存，会容易撑爆内存导致宕机。 基于上述背景，本文将介绍在创建大数据量的Excel融合分析报表过程中，应该采取哪些操作方案，能够有效避免大数据量导致卡顿、提升查询性能。 2. 操作步骤 2.1 数据准备方式 在创建Excel融合分析报表前的数据准备阶段，我们可参考如下两个方式操作： 查询情况 操作要点 效果 单表查询 创建透视分析数据集
