第83页，共606页。 显示 6,060 条结果 (0.1 秒)
交互仪表盘带表格柱图，表格表头数据显示不全
问题描述 柱图组件模板资源中，有以下组件模板。 0307-50.png 将其复制到自己的大屏可视化中，并且替换数据之后，会发现表格显示不全。这时该怎么处理呢？ image2023-8-9_17-16-9.png 解决方案 组件设置-画布-左，值设置大点即可正常显示 image2023-8-9_17-17-3.png。 此时可以调整组件宽度，将宽度调整到足够的位置，即可显示全部的数据。 image2023-8-9_17-17-14.png 表格柱图表格数据显示不全 柱图带表格数据挖掘-孤立森林
概述 孤立森林是一个异常检测算法节点，需要配合特征选择、训练、预测节点使用（异常检测算法为无监督学习，不需要评估节点）。孤立森林对正常数据进行采样，训练时随机生成决策树对数据进行划分。在预测未知数据时，决策树划分出某单个数据点需要的划分次数越少，对应的异常分数越高，该数据点为异常数据的概率越大。 孤立森林适用于用已知为正常的数据作为训练数据，然后对未知的新数据作预测，检测新数据中的异常数据。 参数设置 参数名称 说明 备注 树的个数 生成的决策树的数量 树的数量，整数 子采样集大小 生成每个决策树时用的子数据集的大小 整数，推荐用2的n次幂 异常值阈值数据挖掘-孤立森林
概述 孤立森林是一个异常检测算法节点，需要配合特征选择、训练、预测节点使用（异常检测算法为无监督学习，不需要评估节点）。孤立森林对正常数据进行采样，训练时随机生成决策树对数据进行划分。在预测未知数据时，决策树划分出某单个数据点需要的划分次数越少，对应的异常分数越高，该数据点为异常数据的概率越大。 孤立森林适用于用已知为正常的数据作为训练数据，然后对未知的新数据作预测，检测新数据中的异常数据。 参数设置 参数名称 说明 备注 树的个数 生成的决策树的数量 树的数量，整数 子采样集大小 生成每个决策树时用的子数据集的大小 整数，推荐用2的n次幂 异常值阈值自助ETL-Mongo数据源
1. 概述 读取 Mongodb 中的表数据，其中表为二维数据表（多重嵌套等复杂结构的字段暂不支持）。 2. 节点说明 从“添加节点”面板上，把“Mongo”拖入到画布中，进行配置。 image2024-12-17_14-58-29.png 节点参数配置： 数据源：需要在数据连接中先配置好数据源连接并授权，这里才能下拉选择。 集合：选择该数据源中的某个集合。 表名：选择该集合下的某个表。 更新截图Smartbi V10-数据准备
注意：(新特性列表中：+表示新增；^表示增强) V10版本数据准备的改进点如下： 新增 增强 变更 +【数据准备】新增数据模型，将所有查询结果归集并基于CUBE重新构建数据结构 +【数据准备】自助ETL新增Python脚本节点 +【数据准备】新增作业流功能，实现多ETL实验之间执行依赖关系 +【数据准备】新增多表JOIN节点，支持同时接入多个数据源并设置表关系 +【数据准备】新增组合查询节点，支持去重、聚合、计新建算字段等高级功能 ^【数据准备】新建或编辑计算度量、成员、命名集支持参数设置 <【数据准备】取消支持Infobright作为高速缓存库 +【数据准备】新增Infobright数据迁移到SmartbiMPP
由于V10版本后不再支持Inforbright作为高速缓存库，因此需要更换为其它支持适配的数据库，如SmartbiMPP（即Clickhouse）。 如果用户仍然想使用Infobright作为高速缓存库，那就需要回退到V9版本。 切换高速缓存库后，如需正常访问原本基于Infobright建立的资源，请参考以下方案： ① 通过Infobright抽取其他数据连接中的数据，切换高速缓存库后，只需重新抽取数据即可。 ② 通过“Excel导入”导入的数据，可以通过参考此文档将数据迁移到Smartbi MPP。 一、升级说明 1、升级步骤 ① 导出基于Infobright为高速缓存库时，通过“Excel导入”方式导入Infobright数据迁移到SmartbiMPP
由于V10版本后不再支持Inforbright作为高速缓存库，因此需要更换为其它支持适配的数据库，如SmartbiMPP（即Clickhouse）。 如果用户仍然想使用Infobright作为高速缓存库，那就需要回退到V9版本。 切换高速缓存库后，如需正常访问原本基于Infobright建立的资源，请参考以下方案： ① 通过Infobright抽取其他数据连接中的数据，切换高速缓存库后，只需重新抽取数据即可。 ② 通过“Excel导入”导入的数据，可以通过参考此文档将数据迁移到Smartbi MPP。 一、升级说明 1、升级步骤 ① 导出基于Infobright为高速缓存库时，通过“Excel导入”方式导入功能示例-跨库数据集
概述说明 自助数据集支持跨库查询，当用户查询数据的范围比较广，并不限于一个数据库时，可以跨多个数据库进行查询。 实现跨库查询的前提条件：保证系统中的“跨库联合数据源”和“高速缓存数据库”有效，且进行跨库查询的数据库已经同步到跨库联合数据源中。 目前支持做跨库的数据源类型包括：高速缓存库、Hadoop_Hive、星环、Vertica、CH、Greenplum、Infobright、Oracle、DB2 V9、MySQL、MS SQL Server、Spark SQL、Teradata_v12、Informix、IMPALA、PostgreSQL。 示例分析 业务需求描述 某企业的生产部门和销售部门有各自的数据信息存储库Smartbi V10.5-数据挖掘
注意：(新特性列表中：+表示新增；^表示增强) 具体改进点如下： 新增 增强 +【数据挖掘】文本分析新增LSH、相似集计算（LSH）节点 +【数据挖掘】支持导出PMML模型文件 +【数据挖掘】朴素贝叶斯、决策树、多层感知机等算法支持自动调参设置 +【数据挖掘】新增ETL和挖掘实验日志 +【自助ETL/数据挖掘/ETL高级查询】数据源新增FTP数据源 ^【数据挖掘】关系目标表支持GaussDB 200数据库 ^【自助ETL/数据挖掘】关系数据源节点兼容更多数据源 ^【数据挖掘】异常值处理节点新增删除异常行功能 +【数据挖掘】文本分析新增LSH数据挖掘-拆分
概述 拆分是将原始样本集按照训练集和测试集的方式拆分为两个子集。拆分后各个子集的比例总和小于等于100%。 数据拆分经常作为回归或者分类算法节点的前置节点。 image2020-5-21 16:32:33.png 输入/输出 输入 一个输入端口，用于接收数据集。 输出 两个输出端口，用于输出不同的拆分结果。 参数设置 设置拆分的参数： image2020-5-29 14:11:34.png 设置说明如下： 参数 说明 数据集占比 表示用于算法模型训练的数据集占总体数据的比例，范围是[0,1]的数值，默认是0.7。 随机种子 作为随机
