第100页，共606页。 显示 6,060 条结果 (0.097 秒)
数据 - WEB电子表格设置调转规则不生效
（本文仅供参考） 问题描述 客户在使用数据模型时，针对某字段设置了转换规则，在使用web电子表格进行展示时，使用数据模型，模型展示正常。但是拖到web电子表格里，展示异常 image2023-9-11_17-34-25.png image2023-9-11_17-34-39.png 解决方案 web电子表格需要针对转换规则字段时行选择，显示值才可生效 image2023-9-11_17-35-6.png 跳转规则不生效 电子表格跳转规则不生效文件数据源导入报错：Wrong data or column definition
（本文档仅供参考） 问题现象： 基于高速缓存库为导入数据源，导入本地数据源excel文件报错“Wrong data or column definition. ··· ···”如下图所示： image2021-4-6_9-57-56.png image2021-4-6_9-57-50.png 问题原因解决方案： 原因：本地高速缓存库是用mysql，在创建表时，字符串类型长度为255，导入的excel文件字段字符长度超过255，所以导致报错。 方案：可修改字段类型为长文本类型来规避此现象，如下所示。 image2021-4-6_10-1-31.png可视化数据集-计算字段
创建报表时，用户可能需要无法直接从数据库获取的信息，则需要通过创建计算字段来获取。 计算字段是指使用已经存在的字段，通过四则运算或是函数等书写表达式形成的新字段，此字段用于创建业务主题、可视化数据集和即席查询。 可视化数据集的计算字段和 数据源中的计算字段 的区别： 前一种是局部计算字段，只作用于某个可视化数据集；后一种是全局计算字段，作用于整个数据源此处数据集的计算字段我们称之为局部计算字段，和数据源下的全局计算字段相比，其创建入口和使用范围是不一样的。 操作入口： 新建：在“数据集输出区”的“计算字段”节点下右键选择 新建计算字段。则会进入新建计算字段对话框，关于计算字段的创建请参考 计算字段 章节 计算字段数据模型-表关系区
数据模型将来源多处的数据进行归集时，是有序的归集，这种有序归集需要通过模型表间的关联关系来确定。 表关系区（下图红框所标识）中显示了当前数据模型包含的所有模型表： image2022-2-3_19-8-2.png 表关系区中的各模型表，无论直连或抽取模式，系统将依据字段别名和数据类型匹配的原则自动创建表关系 … 该表有字段设置为度量后才会变更成绿色底色。 模型表的来源及实现请参见：数据模型-私有查询 https://wiki.smartbi.com.cn/pages/viewpage.action?pageId=69737191。 表命名规则 表关系区中的模型表，按照不同的查询类型，系统为其默认命名的规则如下⬝ 检查数据挖掘
部署完成数据挖掘服务后，检查数据挖掘可参考 测试数据挖掘及其组件 https://wiki.smartbi.com.cn/pages/viewpage.action?pageId=114990759 数据挖掘部署请参考 部署Smartbi数据挖掘引擎/SmartbiETL https://wiki.smartbi.com.cn/pages/viewpage.action?pageId=114990727检查数据挖掘
部署完成数据挖掘服务后，检查数据挖掘可参考 测试数据挖掘集群及其组件 数据挖掘部署请参考 部署Smartbi-Mining 数据挖掘 https://wiki.smartbi.com.cn/pages/viewpage.action?pageId=55840890数据挖掘 – LSH
该功能为V10.5版本功能。 概述 LSH（局部敏感哈希）是一种哈希算法，用于对高维数据进行快速最近邻查找。LSH把两个高相似度的数据以较高的概率映射成同一个哈希值，把两个相似度很低的数据以较低的概率映射成同一个哈希值。利用哈希过后的数据进行最近邻查找，能提高查找效率，减少耗时。 对于数据向量的相似度距离，LSH节点提供了两种距离度量：欧式距离和杰卡德距离。其中，欧式距离适用于绝大多数数据向量，而杰卡德距离适用于由0和1组成的向量（如，00101，10011等，非0的数值都会被视为1）。在文本分析问题中，可先使用词向量或TF-IDF把文本转换为数值型向量，再选用欧氏距离的LSH对向量进行哈希，哈希后的向量可用于相似数据挖掘 – LSH
该功能为V10.5版本功能。 概述 LSH（局部敏感哈希）是一种哈希算法，用于对高维数据进行快速最近邻查找。LSH把两个高相似度的数据以较高的概率映射成同一个哈希值，把两个相似度很低的数据以较低的概率映射成同一个哈希值。利用哈希过后的数据进行最近邻查找，能提高查找效率，减少耗时。 对于数据向量的相似度距离，LSH节点提供了两种距离度量：欧式距离和杰卡德距离。其中，欧式距离适用于绝大多数数据向量，而杰卡德距离适用于由0和1组成的向量（如，00101，10011等，非0的数值都会被视为1）。在文本分析问题中，可先使用词向量或TF-IDF把文本转换为数值型向量，再选用欧氏距离的LSH对向量进行哈希，哈希后的向量可用于相似数据挖掘-视频专区
一级分类 二级分类 视频/视频在线地址 内容说明 快速入门 快速入门视频 快速入门.mp4 快速构建数据挖掘实验，文档参考 快速入门 https://wiki.smartbi.com.cn/pages/viewpage.action?pageId=52627351 。 产品介绍 数据挖掘概述 https://bbs.smartbi.com.cn/plugin.php?id=it618_video:lesson&lid=290 https://bbs.smartbi.com.cn/plugin.php?id=it618_video:lesson&lid=290 数据挖掘的概念及Smartbi数据挖掘-视频专区
一级分类 二级分类 视频/视频在线地址 内容说明 快速入门 快速入门视频 快速入门.mp4 快速构建数据挖掘实验，文档参考 快速入门 https://wiki.smartbi.com.cn/pages/viewpage.action?pageId=52627351 。 产品介绍 数据挖掘概述 https://bbs.smartbi.com.cn/plugin.php?id=it618_video:lesson&lid=290 https://bbs.smartbi.com.cn/plugin.php?id=it618_video:lesson&lid=290 数据挖掘的概念及Smartbi
