Rapid Miner 基本使用

这学期选了实验室指导教授的 Data Mining 课程，课上教授推荐使用 Rapid Miner 这个工具来做 projects，这样可以避免大量的编程工作。

安装

安装地址：https://my.rapidminer.com/nexus/account/index.html#downloads 安装后 ，得注册账号，然后去邮箱中确认，才能开始使用。

界面介绍

左边红色标识的部分主要是一些数据存储的地方；左下角黄色标识的部分是一些操作器，找到需要的操作器后，可以直接拖放在中间的“Process”区域；中间的区域是处理区域，可以查看自己搭建的模型，以及运行的一些结果；右上角灰色标识的区域是展示参数信息的地方；右下角是帮助窗口，如果不知道怎么使用选择的操作器，可以点击操作器，然后在该窗口就会展示出帮助信息。

主要界面

扩展应用

点击界面上方的“Extensions”，再点击“Top Downloads”，可以看到很多的扩展应用。刚开始的时候会有一小段更新加载的时间。

下面就是扩展应用，有“Web Processing”，“Text Processing”等等，这些后面的课程中都会使用到。

热门扩展应用

数据展示

双击任意数据集，会出现如下窗口。“Data”一栏显示的就是原始的数据；“Statistics”一栏显示的是数据的一些统计。“Charts”和“Advanced Charts”这两栏显示的数据的一些图表，用于可视化。

搭建简单的模型

• 拖入数据 在 “Samples” 下的 “Data” 中找到 “Titanic Training” 和 “Titanic Unlabeled” 这两个数据集分别用于训练模型和测试模型。前者是已经被处理过的数据，已经过滤掉一些无用的信息，后者是无标签数据。

• 选择模型 在 “Operators” 下的搜索框中可以搜索到自己想要的模型。本例子选择 “Naive Bayes” 模型，找到后拖入右边的操作栏中。
• 应用模型 要想将训练的模型用于预测，此时就需要用到 “Apply Model” 这个操作器。同样在搜索框中搜索找到后拖入右边的操作栏中。
• 运行 将数据与操作器之间的连接线都连接好后，点击运行按钮。

• 查看结果 运行完操作后，会自动蹦出结果。可以很清晰地查看模型的结果。

划分数据集

在 “Operators” 下的搜索框中可以搜索 “Split Data” 这个操作器，然后将其拖入右边的操作栏中。然后点击该操作器，在最右边的 “Parameters” 一栏中会出现一些信息。点击 “Edit Enumeration”，再点击两次 “Add Entry”，第一行中输入 0.7，第二行输入 0.3 。表示 70% 的数据用于训练模型，30% 的数据用于测试模型。最后还需要注意一下，操作器之间的连线。

Cross Validation 交叉验证

在 “Operators” 下的搜索框中可以搜索 “Cross Validation” 这个操作器，然后将其拖入右边的操作栏中。双击该操作器，会出现内部嵌套的处理操作，分为 “Training” 和 “Testing” 这两部分。主要在 “Training” 中添加模型训练，“Testing” 中添加 “Apply Model” 用于测试模型。这里也要注意连线的信息。

处理类别(categorical)数据

• 将非数字型数据转换成数字型数据（二元类型）：使用 “Norminal to Numerical” operator
• 将数字型数据转换成二元类型：使用 “Numerical to Binominal” operator，结果为 True 和 False
• 将数字型数据转换成多元类型：使用 “Numerical to Polynominal” operator，结果为 one-hot 向量

一些注意事项

• 数据加载：只有在点击 “Process” 之后，数据才正式的被加载进来。
• 连线问题：在选择使用每个操作器后，需要马上和数据集或者之前的操作器进行连接，这样数据流可以正常流动，点击操作器也能够正常的在 “Paramtetrs” 一栏中看到参数情况。