DataScience：KNIME工具的简介、安装、使用方法之详细攻略

KNIME的简介—数据挖掘与分析工具

1、KNIME软件如何帮助您的数据分析?

1.1、Create

1.2、Productionize

2、KNIME Analytics Platform

3、KNIME Hub

KNIME的安装

KNIME的使用方法

1、构建第一个工作流

KNIME的简介—数据挖掘与分析工具

KNIME软件，来建立、协作和提高数据科学的技能。KNIME为端到端数据科学提供了一个完整的平台，从创建分析模型，到通过数据应用程序和服务部署它们，并在组织内部共享见解。特点如下：
>> 一款工业级别的开源软件
>> 一种开箱即用数据分析平台
>> 大量示范案例源码和丰富的扩展库
>> Python无缝链接

在KNIME，我们开发软件，使用一个简单直观的环境来创建和生产数据科学，使数据科学过程中的每个利益相关者都能专注于他们最擅长的事情。

官网：KNIME | Open for Innovation

1、KNIME软件如何帮助您的数据分析?

1.1、Create

Blend & Transform

混合与变换：访问、合并和转换所有数据；

Data Wrangler

从任何来源收集和塑造数据

端到端数据科学始于对所有数据源的访问。KNIME软件允许您在一个直观的、可视化的工作流环境中连接到这些不同的数据源。在这个环境中，大量的附加功能使数据转换、清理和聚合步骤变得容易。

Model & Visualize

建模和可视化：用您选择的工具理解您的数据。

Analytics Expert

从数据中提取见解

理解数据需要复杂的建模和可视化技术。现代分析现在还包括机器学习和人工智能。然而，要解决某些问题，您仍然希望能够接触到经典的统计分析和数据挖掘方法。这就是为什么我们不断地在KNIME软件中添加最前沿的算法和成熟的分析和可视化方法。加上我们的R和Python集成，以及与其他大型开源项目的集成，您可以在一个统一的环境中自由地混合和匹配您喜欢的工具。

1.2、Productionize

Deploy & Manage

部署和管理：支持企业范围的数据科学实践；

Consume & Interact

消费和互动：利用从数据中获得的见解；

Business Leader

用数据科学改变你的业务

你知道数据科学提供了价值，但不想等上几周才得到一半相关的见解。此外，您希望能够快速影响使用的数据和方法以及提供的应用程序和服务。KNIME Software将您带入数据科学周期，因此您可以提供反馈，并确保数据科学过程立即反映不断变化的需求或新的见解。

2、KNIME Analytics Platform

KNIME分析平台是一个开源软件，具有直观的可视化界面，可以让您构建任何复杂级别的分析。不需要任何编码就可以访问、混合、分析和可视化数据，或者根据需要集成您最喜欢的工具和库。

3、KNIME Hub

KNIME Hub是用于协作和扩展数据科学的商业软件，可作为KNIME社区枢纽在线提供，或作为KNIME商业枢纽安装到公司的私有基础设施中。KNIME Hub为跨不同专业的用户提供了一个共同工作的单一环境。

KNIME Community Hub

通过使用KNIME Community Hub，用户可以浏览并从数千个数据科学解决方案的工作示例中学习，从社区贡献中受益，从而提高技能并更深入地研究数据科学的学科。用户小组或团队也可以在他们专用的私有空间中共享和协作解决方案。

KNIME Business Hub

KNIME Business Hub为协作和共享提供了相同的功能——但是在公司专用的基础设施内。团队可以在整个组织中公开共享知识，也可以私下与团队共享知识。有了KNIME Business Hub强大的产品化能力，数据专家可以部署和监视他们的工作流，并将工作流作为数据应用程序和服务与任意数量的终端用户共享，确保自给自足，并使数据驱动的决策在整个企业普遍存在。

KNIME的安装

下载链接：Downloads | KNIME

KNIME的使用方法

官网：KNIME Getting Started Guide | KNIME

1、构建第一个工作流

假设你有一些想要处理、分析和可视化的数据。通过下面的示例工作流，您将读取、转换和可视化一些销售数据。
步骤1/6：下载数据并创建新的工作流
步骤2/6：将CSV文件拖放到工作台编辑器中
步骤3/6：使用列筛选节点筛选数据
步骤4/6：用行筛选器节点排除“未知”值
步骤5/6：用堆叠区域图和饼状/甜甜圈图节点可视化你的数据
步骤6/6：执行并打开输出可视化

DataScience：KNIME工具的简介、安装、使用方法之详细攻略相关推荐

sklearn：sklearn.GridSearchCV函数的简介、使用方法之详细攻略
sklearn:sklearn.GridSearchCVl函数的简介.使用方法之详细攻略目录 sklearn.GridSearchCV函数的简介 1.参数说明 2.功能代码 sklearn.Grid ...
Python语言学习：Python常用自带库(imageio、pickle)简介、使用方法之详细攻略
Python语言学习:Python常用自带库(imageio.pickle)简介.使用方法之详细攻略目录 imageio简介及其常见使用方法 pickle简介及其常见使用方法简介使用方法简介及 ...
Computer：互联网开放平台项目知识补充之开发-运维-网络-网关等术语(DMZ、负载均衡、F5、Nginx、容器)的简介、使用方法之详细攻略
Computer:互联网开放平台项目知识补充之开发-运维-网络-网关等术语(DMZ.负载均衡.F5.Nginx.容器)的简介.使用方法之详细攻略目录 DMZ(隔离区)的简介及其使用方法 1.DMZ区 ...
Python编程语言学习：包导入和模块搜索路径简介、使用方法之详细攻略
Python编程语言学习:包导入和模块搜索路径简介.使用方法之详细攻略目录包导入和模块搜索路径简介 1.Pyhon搜索模块路径的机制 2.自定义配置搜索路径
Python之 sklearn：sklearn.preprocessing中的StandardScaler函数的简介及使用方法之详细攻略
Python之 sklearn:sklearn.preprocessing中的StandardScaler函数的简介及使用方法之详细攻略目录 sklearn.preprocessing中的Stand ...
Py之matplotlib.pyplot：matplotlib.pyplot的plt.legend函数的简介、使用方法之详细攻略
Py之matplotlib.pyplot:matplotlib.pyplot的plt.legend函数的简介.使用方法之详细攻略目录 matplotlib.pyplot的plt.legend函数的简 ...
Python之 sklearn：sklearn中的train_test_split函数的简介及使用方法之详细攻略
Python之 sklearn:sklearn中的train_test_split函数的简介及使用方法之详细攻略目录 sklearn中的train_test_split函数的简介 train_tes ...
Python之 sklearn：sklearn中的RobustScaler 函数的简介及使用方法之详细攻略
Python之 sklearn:sklearn中的RobustScaler 函数的简介及使用方法之详细攻略目录 sklearn中的RobustScaler 函数的简介及使用方法 sklearn中的R ...
BigData之Hive beeline：beeline的简介、使用方法之详细攻略
BigData之Hive beeline:beeline的简介.使用方法之详细攻略目录 beeline的简介 beeline的使用方法 1.命令行参数解释 2.beeline的输出格式 2.1.ta ...
ML之sklearn：sklearn.linear_mode中的LogisticRegression函数的简介、使用方法之详细攻略
ML之sklearn:sklearn.linear_mode中的LogisticRegression函数的简介.使用方法之详细攻略目录 sklearn.linear_mode中的LogisticRe ...

DataScience：KNIME工具的简介、安装、使用方法之详细攻略

KNIME的简介—数据挖掘与分析工具

1、KNIME软件如何帮助您的数据分析?

1.1、Create

1.2、Productionize

2、KNIME Analytics Platform

3、KNIME Hub

KNIME的安装

KNIME的使用方法

1、构建第一个工作流

DataScience：KNIME工具的简介、安装、使用方法之详细攻略相关推荐

最新文章

热门文章