二月内容合辑丨磁盘清理、图表进阶与AI探索

新春二月,学习正酣!二月更新聚焦磁盘清理、图表进阶、场景深化与AI探索,助你在数据智能的道路上驰骋前行!

一、场景应用精选

酱油的数字化呼吸:当千年技艺遇上数据分析》→探索传统工艺与数据分析结合,领略数字化赋能案例。
【联合图】你的业务“双视角侦察机”使用指南》→学习联合图实战应用,提升业务分析效率。

【瀑布图】财务的“瀑布流水账”,一眼看穿数字背后的故事》——用瀑布图拆解财务数据流转,洞悉每一笔增减的来龙去脉。

【函数】Exclude函数:你的数据分析“一键清屏”神器!》——掌握Exclude函数用法,轻松排除干扰数据,聚焦关键信息。

二、二次开发视频更新

(5-2)扩展包开发知识点——知识库升级以及查询对象》→深入学习扩展包开发,掌握知识库升级与查询对象技术。

三、技术经验分享

Smartbi磁盘空间告急?这篇清理指南让你轻松腾出几十GB!》→学习磁盘空间清理方法,释放存储资源,优化系统性能。

四、AI每日一学

【AI每日一学】讲一下MCP的三个场景及优势与局限性》→每日一学AI知识,快速掌握MCP的核心要点。

五、新年活动进行中

新年第③弹 | 新春祝福驰骋:马上送祝福,立马领麦豆!》→参与新春祝福活动,赢取麦豆奖励,开启新年好运。

六、任务持续上线

【BI知识闯关】Smartbi磁盘空间告急?这篇清理指南让你轻松腾出几十GB!》→通过知识闯关巩固磁盘清理技巧,提升运维能力。
【行业场景】制曲环节合格率诊断实战》→深入制曲生产场景,学习合格率诊断分析方法,助力质量提升。
【图表应用】驾驭“联合图”,成为业务的双视角指挥官》→掌握联合图使用技巧,实现业务数据的多维度洞察。
【AI知识巩固】讲一下MCP的三个场景及优势与局限性》→巩固AI知识,了解MCP的典型场景及其优缺点。

【图表应用】瀑布图一眼看穿数字背后的故事》——实战演练瀑布图,让财务、库存等流水数据一目了然。
【函数】Exclude函数实战任务》——通过任务实战,熟练运用Exclude函数进行数据筛选与分析。

磁盘清理释放空间,联合图表洞察双维,Exclude函数精准筛选,AI探索拓展认知——二月合辑,与数据共赴新春新征程!

麦粉社区
>
帖子详情

测试服务连接失败

数据挖掘 发表于 2020-9-29 11:19
发表于 2020-9-29 11:19:54
本帖最后由 麦粉432276 于 2020-9-29 11:30 编辑

请问这个要怎么获取正确的服务地址
QQ截图20200929112801.png
发表于 2020-9-29 11:19:55
要部署好数据挖掘,然后进行配置;https://wiki.smartbi.com.cn/pages/viewpage.action?pageId=47490477
回复

使用道具 举报

发表于 2020-9-30 09:10:15
已经部署了数据挖掘引擎了吗?
回复

使用道具 举报

发表于 2020-10-9 10:52:58
Jaylin 发表于 2020-9-30 09:10
已经部署了数据挖掘引擎了吗?

是上面那个引擎地址吗,还是要另外部署什么?上面那个引擎地址是连接成功的
回复

使用道具 举报

发表于 2020-10-10 13:58:07
这个引擎是要部署数据挖掘引擎的。你为什么要配置这里呢?
回复

使用道具 举报

发表于 2020-10-16 10:29:28
我执行数据挖掘的时候报错,第一次执行到抽取报错,第二次点击执行就报错;

第一次抽取报错日志:
  1. 2020-10-16 10:09:57.003 [85] INFO node.GenericNode.start:90 - Node start. (id:8b8ad4503f2aeb6f80912e7edcbfc366,name:FIT_NODE)
  2. 2020-10-16 10:09:57.140 [85] ERROR node.GenericNode.handleExecuteError:117 - Node execution failed.(id:8b8ad4503f2aeb6f80912e7edcbfc366,name:FIT_NODE)
  3. java.lang.IllegalArgumentException: requirement failed: Column CITY must be of type numeric but was actually of type string.
  4.         at scala.Predef$.require(Predef.scala:224) ~[scala-library-2.11.12.jar:?]
  5.         at org.apache.spark.ml.util.SchemaUtils$.checkNumericType(SchemaUtils.scala:76) ~[spark-mllib_2.11-2.4.0.jar:2.4.0]
  6.         at org.apache.spark.ml.feature.QuantileDiscretizer$anonfun$transformSchema$1.apply(QuantileDiscretizer.scala:196) ~[spark-mllib_2.11-2.4.0.jar:2.4.0]
  7.         at org.apache.spark.ml.feature.QuantileDiscretizer$anonfun$transformSchema$1.apply(QuantileDiscretizer.scala:195) ~[spark-mllib_2.11-2.4.0.jar:2.4.0]
  8.         at scala.collection.IndexedSeqOptimized$class.foreach(IndexedSeqOptimized.scala:33) ~[scala-library-2.11.12.jar:?]
  9.         at scala.collection.mutable.ArrayOps$ofRef.foreach(ArrayOps.scala:186) ~[scala-library-2.11.12.jar:?]
  10.         at org.apache.spark.ml.feature.QuantileDiscretizer.transformSchema(QuantileDiscretizer.scala:195) ~[spark-mllib_2.11-2.4.0.jar:2.4.0]
  11.         at org.apache.spark.ml.Pipeline$anonfun$transformSchema$4.apply(Pipeline.scala:184) ~[spark-mllib_2.11-2.4.0.jar:2.4.0]
  12.         at org.apache.spark.ml.Pipeline$anonfun$transformSchema$4.apply(Pipeline.scala:184) ~[spark-mllib_2.11-2.4.0.jar:2.4.0]
  13.         at scala.collection.IndexedSeqOptimized$class.foldl(IndexedSeqOptimized.scala:57) ~[scala-library-2.11.12.jar:?]
  14.         at scala.collection.IndexedSeqOptimized$class.foldLeft(IndexedSeqOptimized.scala:66) ~[scala-library-2.11.12.jar:?]
  15.         at scala.collection.mutable.ArrayOps$ofRef.foldLeft(ArrayOps.scala:186) ~[scala-library-2.11.12.jar:?]
  16.         at org.apache.spark.ml.Pipeline.transformSchema(Pipeline.scala:184) ~[spark-mllib_2.11-2.4.0.jar:2.4.0]
  17.         at org.apache.spark.ml.PipelineStage.transformSchema(Pipeline.scala:74) ~[spark-mllib_2.11-2.4.0.jar:2.4.0]
  18.         at org.apache.spark.ml.Pipeline.fit(Pipeline.scala:136) ~[spark-mllib_2.11-2.4.0.jar:2.4.0]
  19.         at smartbix.datamining.engine.execute.node.feature.BucketizerNode$BucketizerEvent.fit(BucketizerNode.java:109) ~[EngineCommonNode-1.0-SNAPSHOT.jar:?]
  20.         at smartbix.datamining.engine.execute.node.feature.BucketizerNode$BucketizerEvent.fit(BucketizerNode.java:58) ~[EngineCommonNode-1.0-SNAPSHOT.jar:?]
  21.         at smartbix.datamining.engine.execute.node.train.FitNode.execute(FitNode.java:27) ~[EngineCommonNode-1.0-SNAPSHOT.jar:?]
  22.         at smartbix.datamining.engine.execute.node.GenericNode.start(GenericNode.java:101) [EngineCore-1.0-SNAPSHOT.jar:?]
  23.         at smartbix.datamining.engine.experiment.execute.node.ExperimentNodeExecutor.run(ExperimentNodeExecutor.java:40) [EngineExperiment-1.0-SNAPSHOT.jar:?]
  24.         at java.util.concurrent.Executors$RunnableAdapter.call(Executors.java:511) [?:1.8.0_202-ea]
  25.         at java.util.concurrent.FutureTask.run(FutureTask.java:266) [?:1.8.0_202-ea]
  26.         at java.util.concurrent.ThreadPoolExecutor.runWorker(ThreadPoolExecutor.java:1149) [?:1.8.0_202-ea]
  27.         at java.util.concurrent.ThreadPoolExecutor$Worker.run(ThreadPoolExecutor.java:624) [?:1.8.0_202-ea]
  28.         at java.lang.Thread.run(Thread.java:748) [?:1.8.0_202-ea]
  29. 2020-10-16 10:09:57.204 [85] INFO reflections.Reflections.scan:232 - Reflections took 54 ms to scan 7 urls, producing 88 keys and 501 values
  30. 2020-10-16 10:09:57.259 [85] INFO flow.ExperimentGenericFlow.fail:204 - Flow failed,(id:I8ac26e200174d26bd26beaea0174d3a424b40023,name:日利润挖掘)
  31. 2020-10-16 10:09:57.259 [85] INFO flow.ExperimentGenericFlow.close:235 - Flow closed.(id:I8ac26e200174d26bd26beaea0174d3a424b40023)
  32. 2020-10-16 10:09:57.260 [85] INFO flow.ExperimentSparkFlowContext.close:34 - clear active session
复制代码

回复

使用道具 举报

高级模式
B Color Image Link Quote Code Smilies
您需要登录后才可以回帖 登录 | 立即注册

6回帖数 0关注人数 11148浏览人数
最后回复于:2020-10-16 10:29

社区

指南

快速回复 返回顶部 返回列表