第145页，共618页。 显示 6,172 条结果 (0.102 秒)
查看数据行权限
系统中内置报表，列出用户所拥有的数据行权限。 报表入口 在“分析展现”界面，展开左侧资源目录区，选择 分析报表 > system > 分析报表 > 查看数据行权限 ，双击打开“查看数据行权限”，如图： chakanshujuhangquanxian-01.png 报表介绍 报表界面 … 用户的权限 用户别名 用户的显示名称 角色 过滤条件下所选择的角色，“角色”条件不勾选时，默认列出所选用户下所有用户权限 权限 列出用户对资源所拥有的权限 数据源 资源所属的数据源名称 表名称 资源来源的表名称 表达式 资源的相关表达式数据挖掘–指数平滑
进行预测的数据 输出 一个输出端口，用于输出预测后的结果 示例 如图，指数平滑节点输入端接入数据，可以使用对应的平滑算法对输入数据进行转换。 image2023-1-15_0-38-46.png image2023-1-15_0-39-0.png 输出结果中增加两列。第一列是拟合列，名称规则为被预测列的列名增加前缀，输出结果经过了指数平滑算法的拟合处理。另一列表明拟合列中的数据是否是预测结果，0表示是对历史数据的拟合，1表示是通过拟合数列对未来的预测。 image2023-1-15_0-39-15.png数据挖掘–指数平滑
进行预测的数据 输出 一个输出端口，用于输出预测后的结果 示例 如图，指数平滑节点输入端接入数据，可以使用对应的平滑算法对输入数据进行转换。 image2023-1-15_0-38-46.png image2023-1-15_0-39-0.png 输出结果中增加两列。第一列是拟合列，名称规则为被预测列的列名增加前缀，输出结果经过了指数平滑算法的拟合处理。另一列表明拟合列中的数据是否是预测结果，0表示是对历史数据的拟合，1表示是通过拟合数列对未来的预测。 image2023-1-15_0-39-15.png数据挖掘-聚类算法
聚类算法常用于无监督学习问题。例如：客户价值细分：高价值客户，一般客户，低价值客户。 聚类：对大量未知标注的数据集，按数据的内在相似性将数据集划分为多个类别，使类别内的数据相似度较大，而类别间的数据相似度较小。 聚类算法数据挖掘-聚类算法
聚类算法常用于无监督学习问题。例如：客户价值细分：高价值客户，一般客户，低价值客户。 聚类：对大量未知标注的数据集，按数据的内在相似性将数据集划分为多个类别，使类别内的数据相似度较大，而类别间的数据相似度较小。 聚类算法自助仪表盘-线图的数据点个数
（本文档仅供参考） 问题说明 自助仪表盘线图中，发现线图中的小圆点个数并不是根据数据量大小来生成的，有的时候数据量很大，但是圆点个数反而更少，而小数据量时，圆点个数反而更多。 而且也并不是一条数据对应一个圆点，或者一个坐标轴数据对应一个圆点的，请问这个小圆点的个数是怎么来确定的，能否在不影响x轴显示步长的情况下，设置他显示的频度？ 解决方案 自助仪表盘的图形<数据点>是根据图形画布的大小以及输出行数，自适应地显示的个数（如下图所示），目前还没有办法去控制数据点的显示个数与频度。 同样的输出行数，在画布较大的情况，此时数据点个数会比画布较小的时候更多的。 image2018-12-3 10:41:5.pngV10.5 License控制旧数据集设置问题
（本文档仅供参考） 问题说明 V10.5 版本中，旧数据集资源的显示和使用统一通过 License 控制。若是希望在V10.5版本中继续使用旧的数据集，则需更新授权包含旧数据集的 License 文件。 注意：因java数据源做出来的数据集都是旧数据集，故本地数据源中java数据源创建入口也受"DISABLE_OLD_DATASET_NEW_ENTRY=false" 配置项控制。 解决方案 若无法新建旧数据集，则可在系统运维>系统选项>高级设置 中添加"DISABLE_OLD_DATASET_NEW_ENTRY=false"，表示开启旧数据集创建入口。 如果找不到入口，可以直接搜索【系统选项】，点击进入对应的界面部署Smartbi-Mining 数据挖掘
数据挖掘-实验引擎 负责接收smartbi 发送实验执行请求。 通过解析实验定义，生成spark 计算任务或python计算任务，分别发送给spark集群或python集群。 本身并不承担计算任务，只负责计算任务的调度跟分发。 数据挖掘-服务引擎 提供模型预测服务给第三方系统调用 … 数据 Zookeeper 用于实现数据挖掘实验引擎和数据挖掘服务引擎的高可用。 +部署数据挖掘引擎-单机 https://wiki.smartbi.com.cn/pages/viewpage.action?pageId=69737827 +部署数据挖掘引擎-集群 https数据模型-MDX模板示例
为了简化数据模型定制人员的工作，系统实现了常用日期计算的MDX模板，主要有：环比、同比、同期值、累计值、历年累计值、固定维度聚合。 在函数面板中以“常用度量”目录存储MDX模板。 环比 MDX模板设置如下： image2022-2-6_14-9-24.png 该时间计算度量数据效果如下： image2021-9-10_20-12-38.png 同比 MDX模板设置如下： image2022-2-6_14-7-38.png 该时间计算度量数据效果如下： image2021-9-10_20-20-30.png 同期值 计算上年同期值的MDX模板设置如下： image2022-2-6_14-11-9.png数据挖掘-OneHot编码
用于设置在原字段名后追加后缀生成新的列，默认后缀为：OneHot； 该节点与抽取、变换节点组合使用； image2020-9-8_9-48-8.png 非法数据处理策略 选择对非法数据进行处理的策略，非法数据指空值或未进模型的类别值。 自动过滤：在转换时，对在抽取时未出现的类别或空值进行删除； 特殊编码：在转换时，对在抽取时未出现的类别以一种特殊编码进行转换； 非法检测：在转换时，对在抽取时未出现的类别进行报错提示。 示例 使用“银行零售客户流失数据”，选取性别列转换为OneHot编码，输出结果为数组组形式展示，(2,[1],[1.0])表示为总共有2个类别，索引为1的位置
