rapidminer基础使用

部件

read csv

第一页：
 Regular Expression:
  \s+:空格
 Use Quotes:输出的数据是否要用“”框起来
最后一页：
 第一行：名称
 第二行：数据类型：
  text：可以在后续转为文本进行处理
  polynomial：多项的
 第三行：
  label:要学习的标签
  id:序列号

loop Files

将文件夹里的文件一个个导入，可以双击进入内部

Data to Documents:

把输入的text值转为文档，进行处理，一个记录转为一个文档。其他属性变为文档的原数据

loop collection

循环操作
勾选专家参数：
 产生唯一的序号
 macro：宏
双击可进入内部
后面要加Append部件进行合并

Append

合并数据集

Tokenize

筛选出符合要求的部分为token（一块），即进行切分

Extract Tokens from Documents

将输入的token转为一条记录
add meta information：添加原数据

Generate Attributes

产生新属性
引用宏属性：%{xxx}
允许覆盖原属性

Generate Attributes with Types

可以设置产生的属性类型

Generate Extract

source attribute：针对某属性
eg. 提取“/”前的内容为word，“/”后的内容为pos
 | attribute name | query expression |
 |   word    |    | /    |
 |   pos    | /   |      |

Generate Incremental Attribute

第一次出现的字符为1，后面的值为前面的值加incremental value expression
attribute to be added：新的属性名

Replace

attribute filter type：
 single:单个属性进行替换
 subset：几个
replace what：
 .：每个字符
replace by：
 $0 ：原字符后添加空格

Replace Tokens

对文档进行替换

Split Text Attribute

按照split expression进行分割

Select Attribute with Order

可以用来确定输出的排列+数量

Parse Numbers

把属性转为数值属性

Aggregate

将两个或多个对象合并为一个对象
use default aggregation：勾选可设置更详细的参数
aggregation attributes：聚类结果的字段属性
group by attributes：选择进行聚类的属性

Rename

修改属性名称

Multi-label Text Classificatiom

多标签文本分类
sentence attribute：句子属性
other seq attribute：
label separator：类表分隔符
optimization method：优化方法
 RMSprop:
  number of epochs：迭代次数
  number of batches：批处理的数目
  positive weight：正权重值，只对内部最后一个sigmoid部件有影响
  number of threads：线程个数，一般是cpu核数的两倍
  dropout probability：随机地删除隐藏层的单元数量，一般为0
  l2 regularization：L2正则化，一般设为比较小的数字
  layer data file：每次迭代后产生的模型存储位置，下一次运行时会先读取保存好的模型

sigmoid

把每个类别看做二分类，1是预测标签。0不是预测标签

Set Macro

设置宏属性，后续可以用%{}进行使用

Generate Macro

对宏属性进行操作

Write Excel

保存数据集