Οπτικοποίηση με Knime και RapidMiner για Machine Learning - ανδρείκελα

Οι άνθρωποι έχουν μια τρομερή στιγμή απεικόνισης των αφηρημένων δεδομένων και μερικές φορές η έξοδος μηχανικής μάθησης γίνεται εξαιρετικά αφηρημένη. Μπορείτε να χρησιμοποιήσετε ένα εργαλείο γραφικών εξόδου έτσι ώστε να μπορείτε να απεικονίσετε πώς πραγματικά εμφανίζονται τα δεδομένα. Το Knime και το RapidMiner υπερέχουν σε αυτό το έργο, βοηθώντας σας να παράγετε εύκολα γραφικά υψηλής ποιότητας. Η χρήση τους για διάφορα είδη εργασιών εξόρυξης δεδομένων διακρίνει και τα δύο αυτά προϊόντα από άλλα προϊόντα.

Η φαρμακοβιομηχανία βασίζεται σε μεγάλο βαθμό στην Knime για να εκτελεί εργασίες εκμάθησης μηχανών και εξόρυξης δεδομένων βασιζόμενη στις ροές δεδομένων (αγωγών). Η χρήση ενός GUI κάνει το Knime σχετικά εύκολο να μάθει.

Στην πραγματικότητα, το Knime βασίζεται σε ένα από τα πιο δημοφιλή GUI που είναι διαθέσιμα σήμερα, Eclipse, το οποίο χρησιμοποιείται επίσης για την υποστήριξη μεγάλου αριθμού γλωσσών προγραμματισμού, όπως Java, C / C ++, JavaScript και PHP μέσω των plug-ins). Επίσης ενσωματώνεται καλά τόσο με τους Weka όσο και με το LIBSVM, οπότε η ευκολία χρήσης δεν έρχεται στην απώλεια της λειτουργικότητας.

Ένα χαρακτηριστικό χαρακτηριστικό και των δύο αυτών προϊόντων είναι ότι βασίζονται στο μοντέλο Εξαγωγής, Μετασχηματισμού, Φορτίου (ETL). Σε αυτό το μοντέλο, η διαδικασία αφαιρεί πρώτα όλα τα δεδομένα που απαιτούνται από διάφορες πηγές, μετατρέπει αυτά τα δεδομένα σε κοινή μορφή και στη συνέχεια φορτώνει τα μετασχηματισμένα δεδομένα σε μια βάση δεδομένων για ανάλυση. Μπορείτε να βρείτε μια συνοπτική επισκόπηση της διαδικασίας εδώ.