RapidMiner的介紹

搜尋Google發現了對岸有一個針對Rapidminer的說明，由於內容是簡體，因此，我特定用Word軟體轉換了一下內容。

原文網址http://xccds1977.blogspot.tw/2011/09/rapidminer.html

RapidMiner資料採擷入門之一：概要

1.簡介

RapidMiner原名Yale，它是用於資料採擷、機器學習、商業預測分析的開源計算環境。根據KDnuggets在2011年的一次投票顯示，從使用率來看該軟體比之R語言還要略勝一籌。因為其具備GUI特性，所以很適合於資料採擷的初學者入門。
RapidMiner提供的資料採擷和機器學習程式包括：資料載入和轉換（ETL），資料預處理和視覺化，建模，評估和部署。資料採擷的流程是以XML檔加以描述，並通過一個圖形化使用者介面顯示出來。RapidMiner是由Java程式設計語言編寫的，其中還集成了WEKA的學習器和評估方法，並可以與R語言進行協同工作。

2 學習資源軟體的説明功能表中自帶了26個tutorial，可以幫助用戶進行基本入門。另外在sample有也有不錯的案例資料和流程可供參考學習。從官方網站可以下載到一份簡單的用戶手冊，另外還有相應的資源站提供了很好的視頻教程。

3 基本概念 rapidminer中的功能均是通過連接各類運算元（operataor）形成流程(process)來實現的，整個流程可以看做是工廠車間的生產線，輸入原始資料，輸入出模型結果。運算元可以看做是執行某種具體功能的函數，不同運算元有不同的輸入輸出特性。
大體上有這樣幾類運算元：

4 建模一般流程

· 流程控制類，是為了實現迴圈和條件功能。

· 資料登錄和輸出類，是為了實現資料交換。

· 資料轉換類，包括各種資料抽取、清洗整理功能；

· 建模類，包括分類回歸建模，關聯分析、聚類分析、集成學習等功能。

· 評估類，包括多重交叉檢驗，自助法檢驗等功能

軟體有兩個主要的工作區，一個是流程設計工作區，本區左側可以看到各類運算元和庫，中間的主流程設計區，下方是錯誤提示區，右側是參數設置區。另一個是結果顯示工作區。

將運算元拖入主流程工作區後，它會以一個方箱形式呈現，不同的顏色暗示著不同的函數功能。箱體左側是輸入介面，對應著輸入類型的縮寫。右側對應輸出介面和相應縮寫。左下角會有三種顏色的狀態燈，紅燈表示關於該運算元的設置錯誤，黃燈表示設置正常但還未進行過執行操作，綠燈表示設置正常且已經進行過執行操作。

在建模時，變數（attributes）會分為兩個大類，普通變數稱為regular,而目標變數稱為label。這在有監督學習時需要特別留意。從資料特徵來分，又可分為數值變數numeric，分類變數nominal，其中又有兩值分類變數binominal，多值分類變數polynominal。不同的運算元對於輸入資料的類型有著不同的要求，這點需要在運算元説明中仔細閱讀。

·新建一個資料庫（Repository）。

·選擇需要的運算元（operator）放入主流程(main process)中。

·設置運算元相關參數 (parameter)。

·進行運算元連接。

·執行流程以得到結果