应用需求分析：这部分主要针对数据应用系统所需要的数据范围及指标来确定，因此是先分析数据应用系统的需求，再提炼数据集市的数据接口需求 目标表设计：即数据集市结果表设计，根据数据应用的需求进行数据表设计 数据源分析：主要分析 数据仓库 的数据如何满足集市的需要，即确定需要数据仓库的那些表数据，如果数据仓库没有，则需要数据仓库进行数据补充

查看更多 →

单击“ 数据治理 > 维度管理”，进入维度管理页面。 单击待编辑维度所在行“操作”列的“编辑”。 编辑维度后，单击“更新”。 删除维度 进入运维中心工作台。 在顶部导航栏选择自有服务。 单击，选择“运维 > 监控服务（ServiceInsight）”。 选择左侧导航栏的“运维数据开发 >

查看更多 →

维度接口 查找维度 查看维度详情 查看维度颗粒度 查看逆向维度表任务 父主题： 数据架构API

查看更多 →

/_vector/clear/cache/index_name 在使用向量索引时，缓存机制会限制堆外内存使用量。当总索引大小超出缓存大小限制时，将会发生索引项的换进换出，此时将会影响查询的性能。通过清除缓存API能够将不再使用的索引缓存清空，保证热数据索引的查询性能。 父主题： 向量检索

查看更多 →

向量函数和操作符 floatvector支持向量类型和数组类型之间的数据转换，同时支持特定格式的字符串转换成向量类型。 array<->floatvector：数据类型转换中向量数据类型可以和相对应的数组类型进行自由转换；floatvector向量的成员数据类型为浮点型。 string

查看更多 →

nf作为元素，当向量中含有NULL值，数据库会报错。 boolvector不能为NULL，当插入、更新或转换NULL值作为向量数据时，数据库会报错。 向量类型的使用 向量类型的使用示例如下： -- 创建含向量类型的表，同时设定数据维度。建表时向量类型必须要指定维度。 gaussdb=#

查看更多 →

cosine_distance('[1,2,3]', '[5,-1,3.5]'); vector_spherical_distance 功能说明：计算两个归一化向量的球面距离（余弦夹角的弧度制表示） 入参1的类型：floatvector 入参2的类型：floatvector 出参类型：float8 代码示例： gaussdb=#

查看更多 →

向量操作函数接口 向量操作函数实现的功能包括：向量大小比较、向量加法、向量减法、向量按位乘法等。 inner_product 功能说明：计算两个向量的内积。 入参1的类型：floatvector 入参2的类型：floatvector 出参类型：float8 代码示例： gaussdb=#

查看更多 →

sslkey="client.key",sslrootcert="cacert.pem") # 注意： 如果sslcert、sslkey、sslrootcert没有填写，默认取当前用户.postgresql目录下对应的client.crt、client.key、root.crt。 # 创建表。

查看更多 →

是否分区。 ordinal Integer 序号。 not_null Boolean 是否不为空。 stand_row_id String 关联的数据标准的ID，填写String类型替代Long类型。 stand_row_name String 关联的数据标准名称，只读。 quality_infos

查看更多 →

维度表接口 查找维度表 查看维度表详情 父主题： 数据架构API

查看更多 →

据将按照配置的参数存储到规定的库中。 图9 异常数据输出配置 各参数具体含义如下： 数据库或Schema：表示存储异常数据的数据库或Schema。 表前缀：表示存储异常数据的表的前缀。 表后缀：表示存储异常数据的表的后缀。 配置完成后单击保存配置。 （可选）质量规则的检查范围默认

查看更多 →

关系建模和维度建模的区别？ 问题描述 关系建模和维度建模的区别是什么。 解决方案 关系建模为事务性模型，对应三范式建模。 维度建模为分析性模型，主要包括事实表、维度表的设计，多用于实现多角度、多层次的数据查询和分析。 DataArts Studio 是基于 数据湖 的数据运营平台，维度建模使用的场景比较多。

查看更多 →

AiEngine端所部署的host ip地址。 port integer AiEngine端所侦听的端口号。 max_epoch integer 模型每次训练的迭代次数上限。 learning_rate real 模型训练的学习速率，推荐缺省值1。 dim_red real 模型特征维度降维系数。

查看更多 →

AiEngine端所部署的host ip地址。 port integer AiEngine端所侦听的端口号。 max_epoch integer 模型每次训练的迭代次数上限。 learning_rate real 模型训练的学习速率，推荐缺省值1。 dim_red real 模型特征维度降维系数。

查看更多 →

Integer 每页查询条数，即查询Y条数据。默认值50，取值范围[1,100]。 offset 否 Integer 查询起始坐标，即跳过X条数据，仅支持0或limit的整数倍，不满足则向下取整，默认值0。 biz_catalog_id 否 String 所属的业务分层的ID。 dimension_type

查看更多 →

向量检索的客户端代码示例（Python） Elasticsearch提供了标准的REST接口，以及Java、Python等语言编写的客户端。 本节提供一份创建向量索引、导入向量数据和查询向量数据的Python代码示例，介绍如何使用客户端实现向量检索。 前提条件 客户端已经安装py

查看更多 →

AiEngine端所部署的host ip地址。 port integer AiEngine端所侦听的端口号。 max_epoch integer 模型每次训练的迭代次数上限。 learning_rate real 模型训练的学习速率，推荐缺省值1。 dim_red real 模型特征维度降维系数。

查看更多 →

其中，公有云环境请联系管理员获取，ip为CC-CMS服务器地址，port为CC-CMS服务器的HTTPS端口号。 非公有云环境如果配置了NSLB服务，ip请填写NSLB的服务器地址，port为CC-CMS服务在NSLB映射的HTTPS端口号。 请求说明 表1 请求头参数 序号 名称

查看更多 →

其中，公有云环境请联系管理员获取，ip为CC-CMS服务器地址，port为CC-CMS服务器的HTTPS端口号。 非公有云环境如果配置了NSLB服务，ip请填写NSLB的服务器地址，port为CC-CMS服务在NSLB映射的HTTPS端口号。 请求说明 表1 请求头参数 序号 名称

查看更多 →

混淆矩阵 概述 混淆矩阵是机器学习中总结分类模型预测结果的情形分析表，以矩阵形式将数据集中的记录按照真实的类别与分类模型预测的类别判断两个标准进行汇总。其中矩阵的行表示真实值，矩阵的列表示预测值。 True Positive（TP）：真正类。样本的真实类别是正类，并且模型识别的结果也是正类；

查看更多 →