第179页，共308页。 显示 3,077 条结果 (0.035 秒)
自定义任务脚本编写时使用Java语法会出错
问题说明 自定义任务脚本编写时，使用 Java 语法会出错。 原因分析 自定义任务脚本只能使用 Javascript 语法规范。它因为使用了 Rhino 工具包，所以能够引用 Java 类并创建 Java 对象来使用，但是并不代表可以使用 Java 语法。 参考解决办法 编写自定义任务脚本时，请参照"任务脚本编写规范"。数据集预览的时候提示“创建知识库连接失败……”
（本文档仅供参考） 问题说明 数据集预览的时候提示“知识库连接失败……”，如下图： image2020-8-3_17-3-14.png 解决方案 是由于用于启动smartbi的用户没有相应的权限，通过以管理员身份进行启动后即可正常。对应的现象包括：导入日志没反应，日志文件没有更新，搜索和血统分析的时候又提示重建索引,重建索引失效等，在日志中也可看到权限缺失的情况。日志报错create/write to file
（本文档仅供参考） 问题说明 如下图报错create/write to file '/tmp/XXX' (Errcode: 13 - Permission denied) image2022-12-6_16-46-59.png 解决方案： 从日志中分析与MySQL有关，是MySQL服务器文件夹缺少权限导致。以Linux系统部署的MySQL为例解决 ①登录MySQL所在的Linux服务器； ②赋予/tmp目录777权限，命令参考：chmod 777 /tmp create/write permission denied⬝ 部署问题排查思路
具体分析。 image2021-12-6_11-4-56.png 需要经过安装过程的组件有：clickhouse,导出引擎，高性能版本部署。 其余都是解压后，做好配置直接启动。 Ø 缺少依赖（主要是mpp) image2021-12-6_11-5-11.png 解决办法：添加缺少mpp的依赖包，安装之前先安装依赖包。 安装依赖命令示例：rpm -ivh libicu-50.2-3.el7.x86_64.rpm 3、启动过程 Ø 启动报错，分析日志。 启动失败定义：执行启动命令后 ，对应的进程没有正常启动 所有应用，启动时，都是读取配置文件来启动的。 建议：想一下服务启动前修改了哪些文件或者配置数据挖掘-模型系数
概述 算法经过训练之后，会明确每个特征（自变量）对于标签（因变量）的影响系数。模型系数就是将每个特征的系数输出。目前适用于线性回归、二分类、FP-Growth等。 输入/输出 输入 一个输入端口，用于接收算法训练结果。 输出 一个输出端口，用于将每个特征的系数输出。 示例 以逻辑回归算法为例，如下图： 图片46.png 点击右键查看模型系数的分析效果，可查看特征选择中每个特征的系数输出，如下图所示： 图片47.png 模型系数ECharts图形
ECharts是产品中的一种报表类型，它以图形的方式展现指标数据，并通过简单的设置实现报表互动。 ECharts做为数据展现的一种更灵活直观的方式，基于用户对数据更易于理解、对决策更具科学依据的需求，对不同业务背景下的数据进行处理，可以实现对数据多角度、多层次的分析。 特性： 丰富的可视化类型 多种数据格式无需转换直接使用 千万数据的前端展现 移动端优化 多渲染方案，跨平台使用 深度的交互式数据探索 多维数据的支持以及丰富的视觉编码手段 动态数据 绚丽的特效清除维度计算
通过表格操作右键菜单添加的计算成员，若想某一个维度上的统一全部删除，可以通过 清除维度计算 功能实现。 操作入口： 在多维分析中选定维成员或是度量值，在其更多菜单image2019-11-1 14:51:48.png中选择 添加计算 > 清除维度计算。则这个维度上通过添加计算添加的计算成员都会被删除。 image2019-11-1 14:51:42.png数据连接
数据源是指创建业务库和产品应用服务器的连接，拿到数据进行分析。 “数据连接”界面如图： 数据连接界面.png “数据连接”界面展示支持的数据源，用户根据需要选择相应的数据源进行连接。关于支持的数据源类型，详情请参考 系统环境要求 。 在资源目录区中选中数据源节点，点击更多操作image2019-7-13 10:54:47.png ，展开数据源菜单，支持对数据源设置数据权限，排序等操作。子流程应用-信息采集审批
子流程的最大特点是：它隐含着上级对下级的任务发起要求，因此它必须由主流程进行任务的发起，才能流转到子流程的进程中；除此之外，子流程是一个完整的流程。 子流程支持回退。 子流程适用于需要通过总部下发的审批任务，例如总部的信息采集等。 本示例是基于总的信息采集任务审批情景来演示子流程的业务分析、流程定制和流程审核过程。 视频学习：数据挖掘-训练
概述 训练是基于选择的特征，对各种分类和回归算法的模型进行训练。输出训练后的模型。 输入/输出 输入 两个输入端口：左边输入为待训练的算法，右边输入则为训练集。 输出 一个输出端口，用于输出训练后的模型。 示例 以逻辑回归算法为例：如下图 图片39.png 训练节点点击鼠标右键，可查看模型分析结果以及保存模型。 注：需要和“特征选择”节点联合使用，参考数据挖掘-聚类训练 训练
