第91页，共606页。 显示 6,060 条结果 (0.084 秒)
支持的数据源范围
该文档从数据连接方式对已测试版本数据库相关信息进行汇总。 Smartbi的数据连接可以通过多种方式连接数据库，包括： 1）在Smartbi上读取本地文件连接本地数据库； 2）通过JDBC驱动连接数据库； 3) 使用JNDI的方式连接数据库; 4）通过XMLA方式连接多维数据库. 我们产品的支持方式是按照标准JDBC进行的支持，所以JDBC中的SQL语句需要按照JDBC标准才可以执行。 已测版本提供数据源连接示例，点击可跳转至相应示例文档，按照不同连接方式进行划分： 本地读取 数据源分类 数据源 本地数据库 Java数据源 文件 JDBC读取 按照数据库类型数据挖掘-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, content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 httpsWindows 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创建联合数据源点保存报SQL错误
（本文档仅供参考） 现象 在V7及以下版本创建联合数据源时，选择好表，生成SQL，点击保存时报SQL错误，CREATE command denied to user "cxwh'@'163.1.9.190' for tableimage2018-10-31 11:13:41.png image2018-10-31 11:13:54.png 解决方案 报这个错一般是联合数据源登录的用户没有创建表的权限，只需要给登录用户给权限即可解决。 联合数据源报错5、测试数据挖掘及其组件
本节介绍smartbi连接数据挖掘、Spark、Hadoop、Python以及测试服务是否正常运行。 单机部署数据挖掘组件环境如下： 服务器IP 主机名 组件实例 部署目录 10.10.204.248 10-10-204-248 数据挖掘 /data 10.10.204.249 10-10-204-249 Spark，Hadoop /data 10.10.204.250 10-10-204-250 Python /data 请根据实际部署环境替换相关的配置信息。 1. 配置连接信息 配置数据挖掘连接信息前，请确认数据挖掘已正常部署和启动。部署文档参考：部署数据挖掘Smartbi V10.5.15-数据准备
注意：(新特性列表中：+表示新增；^表示增强) V10.5.15版本重点对"加载文件数据"功能进行了优化和完善，详细改进情况如下： 新增 增强 +【指标管理】支持接入已有的维表和事实表 +【指标管理】维表和事实表支持基于SQL创建 +【指标管理】支持PostgreSQL数据库作为指标存储库 +【数据模型】支持新建计算列 +【数据模型】支持转换规则 +【数据模型】支持自定义函数向导 ^【ETL自动化】源数据信息下载窗口左侧树增加全选功能 +【指标管理】支持接入已有的维表和事实表 背景介绍 在企业数字化转型进程中，许多企业已构建了自己的数据仓库，有独立的数仓数据挖掘-异常值处理
概述 异常值检测和处理是数据挖掘中常用的数据处理方法，添加异常值检测节点，满足数据处理、欺诈行为检测等应用场景。 用户可以针对异常值选择相应的填充策略进行异常值的替换。 image2020-7-3 16:58:36.png 输入/输出 输入 一个输入端口，用于接收数据集 … :1.png 检测方法 四分位距：将数据按数值从小到大分成四等分，分隔点为Q1、Q2、Q3，四分位距则为上四分位值Q3与下四分位值Q1两者之差。 标准差法：假定数据是服从正态分布的，计算数据的标准差，对偏离标准差的数据进行处理如用均值、上下界数值、指定值替换。 自定义检测：可以自定义上下界，对异常值进行数据挖掘-异常值处理
概述 异常值检测和处理是数据挖掘中常用的数据处理方法，添加异常值检测节点，满足数据处理、欺诈行为检测等应用场景。 用户可以针对异常值选择相应的填充策略进行异常值的替换。 image2020-7-3 16:58:36.png 输入/输出 输入 一个输入端口，用于接收数据集 … :1.png 检测方法 四分位距：将数据按数值从小到大分成四等分，分隔点为Q1、Q2、Q3，四分位距则为上四分位值Q3与下四分位值Q1两者之差。 标准差法：假定数据是服从正态分布的，计算数据的标准差，对偏离标准差的数据进行处理如用均值、上下界数值、指定值替换。 自定义检测：可以自定义上下界，对异常值进行数据挖掘-行过滤
概述 V10.5.12版本中新增了行过滤节点，该节点合并了旧版本的行选择和过滤节点，能够根据不同的筛选或者删除条件，选择对应的行。该节点提供了两种类型的筛选器。基本筛选器可以根据用户需求设置不同的筛选或者删除条件，选择不同数量的行；自定义筛选器通过写SQL语句(片段)，对数据按照过滤表达式进行筛选。 image2023-2-3_16-0-41.png 输入/输出 输入 一个输入端口，用于接收数据集。 输出 一个输出端口，用于输出行过滤的结果。 参数设置 设置行过滤的参数： image2023-2-3_15-10-0.png 设置说明如下： 参数
