《RapidMiner数据分析与挖掘实战》第6章 数据探索下载

rapidminer使用手册 [RapidMiner数据分析与挖掘实战] 全17章

第1章 RAPIDMINER STUDIO简介 第2章 设计分析流程 第3章 数据和结果可视化 第4章 数据管理：资源库 第5章 数据探索 第6章 数据预处理 第7章 关联分析与关联规则 第8章 K-MEANS 聚类、辨别分析 第9章 线性回归与逻辑回归 第10章决策树与神经网络 第11章 文本挖掘 第12章 WEB挖掘 第13章 推荐系统 第14章 模型评估与优化 第15章 时间序列 第16章 宏、循环和数据集处理 第17章 异常检测

RapidMiner软件部署与使用教程

在数据科学和机器学习领域，RapidMiner是一个功能强大的开源平台，它提供了一整套数据处理、分析和建模工具。本章将简要概述RapidMiner平台的核心特性，帮助读者理解它的使用价值和基本概念。RapidMiner 支持用户自定义用户界面。用户可以根据个人的工作习惯和需要，调整工具栏、导航菜单和面板的布局。此外，还可以调整界面的外观，例如更改主题色、调整字体大小等。

《RapidMiner数据分析与挖掘实战》第7章 数据预处理

在数据挖掘中，海量的原始数据中存在着大量不完整（有缺失值）、不一致、有异常的数据，严重影响到数据挖掘建模的执行效率，甚至可能导致挖掘结果的偏差，所以进行数据清洗就显得尤为重要，数据清洗完成后接着进行或者同时进行数据集成、转换、规约等一系列的处理，该过程就是数据预处理。数据预处理一方面是要提高数据的质量，另一方面是要让数据更好地适应特定的挖掘技术或工具。统计发现，在数据挖掘的过程中，数据预处理工作量占到了整个过程的60%。 数据预处理的主要内容包括数据清洗，数据集成，数据变换和数据规约。处理过程如图7 1所示。

RapidMiner数据分析与挖掘实战

关于RapidMiner实战的一个教程，有关于算子的用法，已经多种数据挖掘算法的分析，介绍，详解，以及相关的rapidMiner实战，非常实用

《RapidMiner数据分析与挖掘实战》第11章 决策树与神经网络

决策树方法在分类、预测、规则提取等领域有着广泛应用。在20世纪70年代后期和80年代初期，机器学习研究者J.Ross Quinilan提出了ID3[5-2]算法以后，决策树在机器学习、数据挖掘邻域得到极大的发展。Quinilan后来又提出了C4.5，成为新的监督学习算法。1984年几位统计学家提出了CART分类算法。ID3和ART算法大约同时被提出，但都是采用类似的方法从训练样本中学习决策树。