第48页，共854页。 显示 8,536 条结果 (0.081 秒)
关系数据源-OceanBase数据连接
1 概述 如果您使用的是阿里云OceanBase数据库，在对接Smartbi进行数据分析时，可以添加OceanBase云数据源，阿里云OceanBase的详情请参见云数据库OceanBase https://help.aliyun.com/document_detail/134480.htm#topic-1909080。 OceanBase是一款金融级的分布式关系数据库，具备高性能、高可用、强一致、可扩展和兼容性高等典型优势，适用于对性能、成本和扩展性要求高的金融场景。 本文介绍如何在Smartbi中连接OceanBase数据库。 版本信息如下： 模式 驱动版本 Smartbi版本文件数据源导入报错：数据库异常Access denied
（本文档仅供参考） 问题描述： 上传一个csv文件到MySQL数据源中，给数据库用户分配对应的权限后上传文件会数据库异常Access deined的提示信息，但是在数据库工具中使用相同用户执行insert语句是可以正常执行的。 image2024-8-31_14-13-56.png 问题原因： 使用的数据库用户还需分配：SYSTEM_VARIABLES_ADMIN的权限，可在数据库中执行该语句给用户分配权限：GRANT SYSTEM_VARIABLES_ADMIN ON *.* TO 'username'@'host'；分配后即可成功导入。 数据源导入自助仪表盘里面，饼图如何调整位置
(此文档仅供参考) 问题说明 自助仪表盘里面，饼图如何调整位置 4.png 解决方案 可以通过扩展属性实现： 3.png "series": [ { "center": [ "30%", "30%" ] } ]如何获取产品中已有大屏的背景图
（本文仅供参考） 问题说明： 通过exe安装会自带一些demo示例，想要获取demo中的组件的图片或者背景图？ 解决方案： 在浏览器上面按F12浏览器调试，找到相应的图片链接，打开后右键另存即可。 image2022-11-30_16-31-44.png有些用户在移动端看不到轮播图
问题说明 普通用户在移动端看不到轮播图，admin却可以看到 image2023-8-1_18-43-56.png 解决方案 这种情况基本是没有给对应的资源权限，可以给这个用户角色想要展示移动端缩略图资源的资源权限，授权完之后就可以正常显示了 1690886781520.jpg 1690886886850.jpg制作数据大屏时以插入图片的方式，图片浮于表格之上，如何在展示中显示当前的时间（时间可实时更新）
（本文档仅供参考） 问题 制作数据大屏时以插入图片的方式，图片浮于表格之上，如何在展示中显示当前的时间（时间可实时更新） 场景：当前使用的是通过宏代码定时对单元格赋值，实现实时更新时间的效果，然后针对该单元格进行拍照，通过照相机的方式放到插入的图片之上，结果照相机内容无法展示； 解决方案 目前不支持通过宏代码对单元格赋值，然后再基于该单元格使用照相机的方式，建议是将电子表格的底图使用背景图插入的方式（而不是插入图片）然后再使用宏对单元格赋值动态刷新时间，否则则需要改为单元格使用excel的now()函数获取当前时间，然后再使用照相机，另外时间可实时更新需要使用禁止电子表格缓存以及定时刷新的宏； 电子表格禁止缓存可数据集添加参数后在电子表格-图形-地图-根据参数切换地图未能及时更新
（本文档仅供参考） 问题 数据集添加参数后在电子表格-图形-地图-根据参数切换地图未能及时更新，具体步骤： 先创建原生SQL数据集，再开发电子表格 然后修改数据集添加参数 最后在图形-地图-根据参数切换地图，切换时下拉框没有识别到新的参数 image2025-2-10_9-22-26.png 解决办法 为了性能考虑避免重复发请求，在使用了一个数据集的时候就会将数据集相关信息缓存下来，不然每次点击都需要重新发请求，因此需要手动点击清空本地缓存或者重启Excel image2025-2-10_9-23-58.png回写-电子表格参数引用回写字段，回写保存数据后参数备选值实时刷新
（此文档仅供参考！） 问题说明 电子表格参数引用回写字段，回写保存数据后参数备选值不能立即更新，需要重新打开报表才更新 图1.jpg 原因 这个效果是正常的，参数控件在报表加载完成后已读取完参数的备选值，这时候数据库更新数据，不会再次触发参数备选值的SQL逻辑。 解决方案 可以通过宏来实现此效果 … "){ if(param&&spreadsheetReport.paramPanelObj){ spreadsheetReport.paramPanelObj.paramsInited[param.id]=false; } } } } 图3.jpg 最终效果 图2.jpg 步骤二数据挖掘-梯度提升决策树
概述 梯度提升决策树原理是训练多棵CART分类树，每棵树建立是基于前一课树的残差，不断的迭代拟合前一课树的残差，通过损失函数的负梯度来拟合，直到残差达到最小。 示例 使用“银行零售客户流失”案例数据，包含17个特征列和1个二类的目标标签。需要对银行客户预测是否流失。通过数据预处理及模型训练，如下图： image2020-6-4 16:33:34.png 其中，特征离散是将年龄、卡龄等数据离散化，是为了提高模型的准确度，提高运行速度。 模型构建中，梯度提升决策树的各个参数： 参数名称 值 说明 归一化 正则化 详情请参考 归一化 https数据挖掘-梯度提升决策树
概述 梯度提升决策树原理是训练多棵CART分类树，每棵树建立是基于前一课树的残差，不断的迭代拟合前一课树的残差，通过损失函数的负梯度来拟合，直到残差达到最小。 示例 使用“银行零售客户流失”案例数据，包含17个特征列和1个二类的目标标签。需要对银行客户预测是否流失。通过数据预处理及模型训练，如下图： image2020-6-4 16:33:34.png 其中，特征离散是将年龄、卡龄等数据离散化，是为了提高模型的准确度，提高运行速度。 模型构建中，梯度提升决策树的各个参数： 参数名称 值 说明 归一化 正则化 详情请参考 归一化 https
