关于本科毕业设计期间对数据挖掘工具rapidminer的使用体验和心得，案例分享

1.前言：本科生毕业设计有好多人说没有什么用处，自己又做不出来什么新东西，全是抄抄改改的，浪费大家时间。但是对此事我的态度不同，我觉得就像我们小时候玩过家家一样，别的孩子都在玩，我不参与进去显得会有遗憾，而且本次毕设我并没有那么难受，也学到了新的东西，说句心里话，其实也是有收获的。

2.rapidminer软件简介：它是一款可视化软件，用于数u据挖掘，我们需要做的事情就是去不停地联系，核心代码都有人帮我们写好了。在这款软件面前，你完全可以是编程小白也没有什么关系，因为我们不需要考虑那么底层的技术问题，我们只需要会用就足够了。当然这款软件还是提供给我们开发者一些很好的开发余地的。我们可以自己写代码去处理业务逻辑，甚至可以直接去对现有算子进行改造，然后让自己的思路进行运算，总之，对于不是那么复杂的业务逻辑，rapidminer软件处理起来可以说是游刃有余。

3.软件介绍：

下载安装后我们可以在桌面看到这个图标，下图所示：

点击打开，我们看到如下界面：

直接选择blank来新建一个空白程序，

我把这些分为了7个区域，分别用A,B,C,D,E,F,G来表示，他们分别代表着导航栏，快捷功能，中央仓库，算子区，程序设计窗口，参数设置区，帮助区等7个区域。我们的程序设计就是把原始数据导入B区，将数据和算子拖到E区，在F区设置算子的参数，然后点击B区的run（三角标号）来运行程序，最后会在B区的Result展示程序结果。

4.案例简介：我本次课程设计过程中有3000多条实验数据存在Excel中，我现在把它导入rapidminer软件里边，找到数据存放位置（我的是在C:\Users\Administrator\Desktop\毕设论文\实验数据），然后回到软件，点击C区的Add Data，导入数据

导入后就开始设计流程了。首先把刚刚导入的数据从C区拖到E区

我的目的是筛选出实验误差小于5%的数据，对其进行聚类分析，来寻找规律。好的，那么首先就是对数据进行清洗和筛选了

在算子区搜索栏可以搜索自己进行处理的算子，以便快速锁定，如图1，输入select后会列出所有的select来，接下来就是选择合适的算子，我这里选择的是select attributes（选择属性）算子，如图2，然后把它拖到E区，接下来就是设置参数了，我们把算子拖到F区后首先要做的就是设置参数，以便让算子能够理解你的标准。我这里是选择没有缺失值的所有数据，如图3。接下来完成后续的步骤，过程和刚刚的select 算子一样，搜索，拖拽，设参，连线。接下来我再次拖拽一个select attributes算子，设置参数区选择subset（子集），即我要过滤掉和我目的不相关的数据

接下来就是决定过滤掉什么了，要什么，点击参量就可以了，点击apply。

接下来就是找误差小于5%的数据，明显输入filter来查询过滤算子，然后拖到E区

设置参量，点击filters的add后看到如图展示，如果有多个条件，设置多个条件就是了。

接下来就是聚类分析，聚类算子默认k-means，用来对数据进行聚类，只需要在F区设置k的值即可，k默认是2，我设置为5，即要聚成5类，该算子即可帮你完成剩下的工作。

为了对照方便我还需要将误差大于等于5%的数据进行一次归类，这时候filter examples算子的unm出口就很有用了，它代表unmatched（即不匹配的，回忆一下我们之前设置的条件是σ<5%）那unm出口就对应它的互补面了。我们同样设置为5类，有对照性。

最后运行，结果如图， 有两个结果集一个是小于5%的（clustering），另一个是大于等于5%的（clustering2），好多种展现形式。