第142页，共618页。 显示 6,172 条结果 (0.104 秒)
数据模型抽取报错“没有权限：AUGMENTED_DATASET_EXTRACTION”
（本文档仅供参考） 问题说明 数据模型抽取报错，提示“没有权限：AUGMENTED_DATASET_EXTRACTION” 图1.png 问题原因及解决方案 此问题是因为用户没有数据模型的抽取权限，找到对应用户角色，进行配置即可。 图2.png augmented_dataset_extraction 抽取没有权限数据挖掘-行转列/列转行
概述 将数据表中的行转换成列或将列转换成行。 行转列 {html}<div style="border-bottom: 0.5px solid #dfe1e5;color:#2D5C8C;padding-bottom: 0.5px;font-size: 24px; height: 5px;"> </div>{html} 概述 行转列是用于实现将数据结果的行转换成列。 image2020-6-1 17:57:59.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，用于输出行转列的结果。 参数设置 设置行转列的参数电子表格实现图形宽度随表格数据自动拓宽
（本文档仅供参考，示例宏代码存在一定场景限制，如和实际应用场景不匹配，需自行调整宏代码。） 正常效果： 当使用电子表格做图表分析时，图形的宽度是固定的，并不会随表格中的数据扩展而拓宽。 比如当表格数据横向已经扩展到2020-08时，表格的宽度已经远比图形的宽度宽了 image2024-9-4_15-46-0.png 期望效果： 在电子表格内期望图形的宽度随表格数据一并自动拓宽 image2024-9-4_15-59-48.png 实现方式： 可以通过宏代码，使用代码实时计算图形宽度，参考示例如下 //服务端宏 事件：ServerSide 对象：spreadsheetReport 事件：onBeforeOutput数据答疑
功能概述 用户在数据分析过程中遇到另一个比较重要的问题就是“如果我在使用过程中遇到了问题，如何及时响应并解决问题。”数据答疑就是为解决用户的困惑而诞生的。 数据答疑提供了用户和支持人员交流互动的平台。数据答疑确保用户在使用系统的过程中能随时获取多种方式的技术支持。 image2020-8-6_15-17-20.png 数据答疑由以下重要内容组成： 问答互动：用户可以在答疑界面中进行问题提问。包括公开的提问及私密的提问。 image2020-6-28 14:14:24.png 私密问题如图： 图片14.png 问答知识沉淀：提问人可以设置最佳答案，形成自己的知识图谱。运营人员也可以对问答设置标签，方面其他用户来数据答疑
功能概述 用户在数据分析过程中遇到另一个比较重要的问题就是“如果我在使用过程中遇到了问题，如何及时响应并解决问题。”数据答疑就是为解决用户的困惑而诞生的。 数据答疑提供了用户和支持人员交流互动的平台。数据答疑确保用户在使用系统的过程中能随时获取多种方式的技术支持。 image2020-8-6_15-17-20.png 数据答疑由以下重要内容组成： 问答互动：用户可以在答疑界面中进行问题提问。包括公开的提问及私密的提问。 image2020-6-28 14:14:24.png 私密问题如图： 图片14.png 问答知识沉淀：提问人可以设置最佳答案，形成自己的知识图谱。运营人员也可以对问答设置标签，方面其他用户来数据权限体系
数据资产的权限体系主要包含了权限的分类及授权的设置。 权限分类 数据资产的权限类型主要分为如下几类： 引用：可以看到资源节点，并且在其它资源中引用该节点，但是不能查看内容。 查看：可以看到资源节点，也能查看内容。 编辑：可以看到资源节点及内容，还支持编辑该资源。 再授权：可以将资源的权限进行二次授权给其它用户。 概览：用于以脱敏的方式查看数据结果。 资源授权 对用户进行数据资产的资源授权主要有如下两个设置入口： 1、用户管理模块中的批量资产授权：在角色列表的操作栏中单击 资源授权（ image2020-6-30 17_14_5.png ），进行权限授予。 image2020-6-30数据权限体系
数据资产的权限体系主要包含了权限的分类及授权的设置。 权限分类 数据资产的权限类型主要分为如下几类： 引用：可以看到资源节点，并且在其它资源中引用该节点，但是不能查看内容。 查看：可以看到资源节点，也能查看内容。 编辑：可以看到资源节点及内容，还支持编辑该资源。 再授权：可以将资源的权限进行二次授权给其它用户。 概览：用于以脱敏的方式查看数据结果。 资源授权 对用户进行数据资产的资源授权主要有如下两个设置入口： 1、用户管理模块中的批量资产授权：在角色列表的操作栏中单击 资源授权（ image2020-6-30 17_14_5.png ），进行权限授予。 image2020-6-30⬝ 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
