第75页，共169页。 显示 1,690 条结果 (0.034 秒)
SQL Server 2000 Analysis Services帮助文档（MDX）
MDX（多维表达式）是一种语法，支持多维对象与数据的定义和操作。MDX 在很多方面与结构化查询语言 (SQL) 语法相似，但它不是 SQL 语言的扩展；事实上，MDX 所提供的一些功能也可由 SQL 提供，尽管不是那么有效或直观。 如同 SQL 查询一样，每个 MDX 查询都要求有数据请求（SELECT 子句）、起始点（FROM 子句）和筛选（WHERE 子句）。这些关键字以及其它关键字提供了各种工具，用来从多维数据集析取数据的特定部分。MDX 还提供了可靠的函数集，用来对所检索的数据进行操作，同时还具有用用户定义函数扩展 MDX 的能力。 如同 SQL，MDX 提供管理数据结构的数据定义语言 (DDL) 语法可选资源区
列出了所有可被“可视化数据集”使用的资源。用户只需将各资源拖到相应的区域，如将表中的字段拖拽到字段区。 可视化数据集可以基于数据源或是业务主题来创建，基于不同的来源其可选的资源是不同的。 基于数据源的可选资源包含：表字段、计算字段、过滤器、业务视图字段、参数、数据源相关业务主题的业务属性、函数、用户属性、其他数据集的字段。 基于业务主题的可选资源包含：业务主题的业务属性、过滤器、函数、用户属性、参数。 这些可选资源一般都是全局资源，都是在数据源或是业务主题或是公共参数等创建好的资源，直接拖拽到各个区域使用。 我们可以用该区最下方的搜索引擎对相关资源快速搜索定位。可以在搜索区输入所需字段的真名或是别名进行模糊搜索支持直接定义SQL语句吗?定制SQL语句需要注意什么？
说明 可以通过 SQL查询 来直接定义SQL语句。直接用SQL查询不需要定义对象以及关系等，只需定义数据源和参数。 操作入口：定制 > 数据集定义 > 新建SQL查询。 注意 SQL查询可以使用的资源：表/视图、字段、参数、函数、用户属性（使用时请用括号括起来） 编写SQL查询时，支持拖动"参数"、"用户属性"、"系统函数"等对象，其他的建议手写； 不支持Select * from .....的写法； 如果有多条语句，用分号和回车隔开； 所有的Select字段需要显式给定一个别名，例如：select T1.fieldA FA from table T1。 对字段进行重命名时，注意各种数据库使用方式跟ETL实现自动完成列拆分后所有列 列转行效果
。 image2023-7-25_14-2-5.png image2023-7-25_14-3-33.png 2、通过sql语句处理。【1、split函数将字符串变为Array，2、explode函数将Array变为行】 image2023-7-25_14-4-44.png image2023-7-25_14-4-20.png存储过程查询报"索引中丢失 IN 或 OUT 参数"或报"无效的列索引"
“function”标识，因为存储过程的描述中带有“function”标识，当描述中有“function”标识时，产品会当作函数去处理，函数的执行逻辑与存储过程的执行逻辑不一样。 229.png 2.将描述中的文字清空即可解决问题。 image2016-9-1 15:12:44.png 索引中丢失in数据挖掘-多层感知机
概述 一种基于前馈人工神经网络的分类器。多层感知机由多层节点组成，每个层都完全连接到网络中的下一层，输入层中的节点表示输入数据。所有其他节点通过输入与节点权重w和偏移b的线性组合将输入映射到输出，并使用激活函数。 示例 使用“动物种类划分”案例数据，预测动物的种类 … 为：[0.00000001, 0.000001]，默认值为 ：0.000001 收敛误差值，当损失函数取值优化到小于收敛阈值时停止迭代。 优化算法 · l-bfgs：有限内存中进行BFGS算法 · gd：梯度下降法 解决函数最优化问题时使用的算法。 学习率 参数范围为数据挖掘-梯度提升回归树
概述 梯度提升回归树是梯度提升树算法，原理是训练多棵回归树，每棵树建立是基于前一课树的残差，基函数为CART树，损失函数为平方损失函数的回归算法。 示例 使用“波士顿房价预测”案例数据，预测波士顿房价。 图片34.png 其中，相关性分析是为了分析特征变量与目标变量的相关性系数，方便特征选择进入模型训练。 参数设置 梯度提升回归树参数如下： 参数名称 值 说明 归一化 方法选择 正则化 详情请参考 归一化 https://wiki.smartbi.com.cn/pages/viewpage.action?pageId=51941896数据权限设置—即席查询
的"区域"字段到表达式区域，然后输入等于号，再从左侧资源树下拖拽系统函数获取当前用户默认值名称CurrentUserDefaultDepartmentName()到表达式区域。如下图： image2022-2-22_11-38-34.png 上面例子是简单的例子，使用系统内置的函数，取当前用户所属机构 … “订单主题”创建即席查询，并选择"顾客"表中的字段。 因为test用户所属组为"华东"。则我们通过数据权限会会区域字段中的华东值进行限制。 image2019-11-19 11:23:42.png 查看SQL。可以发现其SQL语句把通过函数获取到的用户所属组名称放到where条件。 133.png 注意事项数据挖掘-多层感知机
概述 一种基于前馈人工神经网络的分类器。多层感知机由多层节点组成，每个层都完全连接到网络中的下一层，输入层中的节点表示输入数据。所有其他节点通过输入与节点权重w和偏移b的线性组合将输入映射到输出，并使用激活函数。 示例 使用“动物种类划分”案例数据，预测动物的种类 … 为：[0.00000001, 0.000001]，默认值为 ：0.000001 收敛误差值，当损失函数取值优化到小于收敛阈值时停止迭代。 优化算法 · l-bfgs：有限内存中进行BFGS算法 · gd：梯度下降法 解决函数最优化问题时使用的算法。 学习率 参数范围为数据挖掘-梯度提升回归树
概述 梯度提升回归树是梯度提升树算法，原理是训练多棵回归树，每棵树建立是基于前一课树的残差，基函数为CART树，损失函数为平方损失函数的回归算法。 示例 使用“波士顿房价预测”案例数据，预测波士顿房价。 图片34.png 其中，相关性分析是为了分析特征变量与目标变量的相关性系数，方便特征选择进入模型训练。 参数设置 梯度提升回归树参数如下： 参数名称 值 说明 归一化 方法选择 正则化 详情请参考 归一化 https://wiki.smartbi.com.cn/pages/viewpage.action?pageId=51941896
