第24页，共114页。 显示 1,132 条结果 (0.025 秒)
MDX表达式
自定义成员MDX表达式是一个语句片段，由服务器拼成完整的语句到对应的多维数据库中执行。 可以在表达式区域从左侧拖拽维成员、参数、函数、用户属性。也可以输入对应的MDX函数。 63.png 任何一次对自定义成员的编辑修改，都必须重新进行MDX语法校验，才允许进行保存。 64.pngMDX表达式
自定义成员MDX表达式是一个语句片段，由服务器拼成完整的语句到对应的多维数据库中执行。 可以在表达式区域从左侧拖拽维成员、参数、函数、用户属性。也可以输入对应的MDX函数。 image2019-8-19 15:47:27.png 任何一次对自定义成员的编辑修改，都必须重新进行MDX语法校验，才允许进行保存。 sjy18.jpg飞书集成
/bot/v2/hook/c2538dae-218f-41a8-abaf-6435a828258b https://open.feishu.cn/open-apis/bot/v2/hook/c2538dae-218f-41a8-abaf-6435a828258b"; //签名校验，如果不需要可以置空 var secret … webhook：机器人webhook，可在群设置中的机器人配置中找到（如下图）； Secret：签名秘钥，可在群设置中的机器人配置中找到（如下图），如果没设置签名校验，可设置空； image2024-11-30_15-56-5.png title：消息标题; content：消息内容; btnStr：按钮显示内容关于电子表格"少于多少sheet的一次生成结果"的说明
此处设置为少于5个一次性生成的时候，请问这个时候，打开报表系统加载几个sheet页（默认显示1号sheet）？然后这个时候6号sheet页，在只显示1号sheet的时候，会加载跟6号sheet相关的报表吗？这个时候加载的是6号sheet的报表样式还是6号对应的数据？ 解决方案 该选项用于控制是否一次性 … ，当设置为少于5个sheet页时，假设此时一共有10个sheet页需要加载的，由于需要展示的html总数比设置的阈值大，此时不会再一次性生成全部的html样式，会先生成默认展示的sheet的html，对于6号sheet页也是在浏览时实时生成。gauss数据库链接配置的时候配置的参数
（本文档仅供参考） 问题说明 gauss数据库链接配置的时候配置的参数，想要长久保持连接，做保活措施，目前长连接频繁会被数据库主动断开，正常情况可以不用连接池 image2024-1-3_22-3-56.png 解决方案 如果不需要启用连接池，可以通过把数据源校验语句改成返还时关闭连接： image2024-1-3_22-4-23.png gauss关闭连接 gauss长连接断开CDH重启后，impala数据库服务无法正常使用
（本文档仅供参考） 问题 我们使用的大数据产品，CDH5.11.0，一旦大数据服务重启后，smartbi必须要重新保存一下impala的数据源才能使用，否则无法使用impala数据源。 解决方案 该问题需要在校验语句输入框添加简单的sql语句检验（越简单越好，如select 1 as a from 数据库存在的表，选查询的表结构最好较为简单，数据量也较少的最好），然后重新保存一遍。 image2018-10-27 12:40:24.png impala无法使用 impala不能正常使用自助仪表盘双Y联合图设置折线图显示数据标签值
（本文档仅供参考） 问题说明 自助仪表盘 双Y联合图设置折线图显示数据标签，系统会自动识别显示柱子的数值还是折线的数值？ 解决方案 系统目前没有直接配置的选项，需要写一下扩展属性实现（经校验默认会识别到柱图数据，所以需要分别制定图形的数据标签显示），实现步骤如下： image2022-1-13_19-47-9.png 找到自定义属性设置 image2022-1-13_19-47-57.png image2022-1-13_19-48-22.png 扩展属性代码： "series数据挖掘-GBDT特征选择
概述 特征选择是为算法服务的，选择不同的特征会直接影响到模型的效果。GBDT特征选择，就是使用GBDT算法，来自动选择相关性高的特征。 输入/输出 输入 一个输入端口，用于接收前置节点传下来的数据集。 输出 一个输出端口，用于输出增加了离散后的字段的数据集 … “featureSelector”列，表示为从3个特征列的值进行特征选择相关性较高的2个特征。如下图： 图片11.png 点击鼠标右键查看分析结果： 从3个特征列中选取2个相关性最高的特征进行展示。如下图： 图片12.png gbdt特征选择数据挖掘-随机森林特征选择
概述 特征选择是为算法服务的，选择不同的特征会直接影响到模型的效果。随机森林特征行选择，就是使用随机森林算法，来自动选择相关性高的特征。 它是一种基于随机森林的封装式特征选择算RFFS，以随机森林算法为基本工具，以分类或回归精度作为准则函数,采用序列后向选择和广义序列后向选择方法进行特征选择 … ，需选择的特征数量为3，选择方法分类，衡量准则为gnin，其他参数默认。结果输出“featureSelector”列，表示为从4个特征列的值进行特征选择相关性较高的3个特征。如下图： 图片9.png 点击鼠标右键查看分析结果： 从4个特征列中选取3个相关性最高的特征进行展示。如下图： 图片10.png 随机数据挖掘-随机森林特征选择
概述 特征选择是为算法服务的，选择不同的特征会直接影响到模型的效果。随机森林特征行选择，就是使用随机森林算法，来自动选择相关性高的特征。 它是一种基于随机森林的封装式特征选择算RFFS，以随机森林算法为基本工具，以分类或回归精度作为准则函数,采用序列后向选择和广义序列后向选择方法进行特征选择 … ，需选择的特征数量为3，选择方法分类，衡量准则为gnin，其他参数默认。结果输出“featureSelector”列，表示为从4个特征列的值进行特征选择相关性较高的3个特征。如下图： 图片9.png 点击鼠标右键查看分析结果： 从4个特征列中选取3个相关性最高的特征进行展示。如下图： 图片10.png 随机
