KNIME 中文视频以及相关作者介绍
你所能找到的 KNIME 中文视频,都在这儿了。✌️✌️
提示
欢迎关注微信公众号及时获取最新更新。
播放次数截止 2023/04/09, 共 463 条视频。
注1: "分类列" 带有主观性质,且大多数工作流会使用多个节点,"分类列"信息仅供参考。
注2: 因为表比较宽,包含了创建时间、视频时长、播放次数、分类、标题、作者、描述信息,所以手机查看表时需要横向滑动,不甚方便。推荐使用电脑搜索、查看。
KNIME 入门
- 赵老师[b站昵称:不编程亦分析]: 众多人看着赵老师的视频入门 KNIME,新手福音。致力推广普及 KNIME,让更多人听懂会用。微信:zhaoyongji6757
- Kevin[b站昵称: 卖荔枝的蜗牛]: 不生产视频,只是视频的搬运工。为方便国内爱好者学习,将视频从 YouTube 搬移到 b 站,辛苦!微信:keepkeeprun999
KNIME 入门 视频列表
创建时间 | 视频时长 | 播放次数 | 分类 | 标题 | 作者 | 描述 |
---|---|---|---|---|---|---|
2022-05-16 | 02:26 | 572 | 软件安装, 工作流管理 | KNIME 软件安装及工作流管理 | 不编程亦分析 | 下载软件之后,基本上一路点击下一步,1)中间有一部输入该软件可用内存大小,软件默认内存75%左右,使用默认即可 2)首次启动软件后,需要指定一个工作流空间,也就是以后新建工作流的保存地方work space 3)后续为了方便管理各个新建工作流,,在Explorer新建工作流组(workflow group),相当于可在上述存储路径下,新增一个子文件夹 |
2022-05-16 | 04:03 | 938 | 界面操作 | KNIME 软件界面简介 | 不编程亦分析 | 本节主要针对KNIEM各个界面,分别介绍,更多详细图文的介绍,请参看我之前的文章 https://www.toutiao.com/article/6836001176551424516/ |
2022-05-16 | 01:07 | 779 | 文件读写 | KNIME 软件下载教程 | 不编程亦分析 | 一款优秀的数据处理,分析,建模的免费软件,由于是英文,且下载过程中出现信息填写(是可以跳过不用填写的),部分人可能不知道如何下载。1、到www.KNIME.com 官网下载 ,按照视频步骤,有一个信息填写的页面,跳过即可(不需要填写)2、选择不同平台的软件,window选择第一个下载即可 |
2022-05-17 | 03:03 | 1163 | 文件读写, 表操作 | CSV文件合并方法1(超简单) | 不编程亦分析 | 按照操作,在图像化的1个节点设置即可完成,恐怕没有比这更简单的文件合并方法了。人人皆可 |
2022-05-17 | 02:04 | 233 | 文件读写 | KNIME文件合并与拆分 | 不编程亦分析 | 不需要任何编程基础或其他前提,根据以往职场碰到较多的场景,,归纳总结一些场景,选择你感兴趣的内容,属于拿来就用型。“唯一的前提是安装KNIME, 导入工作流即可,修改输入,输出,以及其他关键地方即可” |
2022-05-18 | 10:36 | 1897 | 组件 | KNIME基础概念 | 不编程亦分析 | 1、节点库中一个个方块即为节点(node),相当于实现一个功能的函数,有输入或输出等不同端口,最常用的是数据端口 2、一个个节点连接起来,实现一系列的处理即为工作流(workflow)。工作流可以导入或导出,分享给其他人. 第一次真人录制,还不熟练,请多包涵 |
2022-05-19 | 10:33 | 853 | 组件 | 新建工作流 | 不编程亦分析 | 在KNIME中新增工作流,相当于编程的第一个Hello World |
2022-05-19 | 03:00 | 554 | 文件读写 | CSV文件快速合并 【方法2】 | 不编程亦分析 | 本专题属于拿来就用型,针对无任何基础,急需解决问题的人。1、本讲工作流下载地址:https://pan.baidu.com/s/1YPzZywjVBH4o6bzvs5PC7w?pwd=3897 2、打开KNIME,导入本示例即可。导入方法:File->import KNIME workflow, 具体可参考我入门教程【05-新建工作流】只讲解每个节点实现什么功能,只需要在我提示的地方,修改输入,输出路径,在最后节,点右键,执行即可【Excute】 |
2022-05-20 | 06:42 | 220 | 表操作, Excel, 案例 | N文件N表合并(Excel) | 不编程亦分析 | 针对N个Excel文件N表 尽快快速合并 1、【终极大法】,Excel文档合并,同时获取文件名,工作表名(sheet) 2、使用方法:导入我分享的工作流,修改输入输出路径,最后一个节点执行即可得到结果 3、工作流下载:链接:https://pan.baidu.com/s/1Ac09UpgdakjxT9wnjDbVFA?pwd=3894 主要为拿来用型,无需任何基础,如果想更多学习此KNIME 软件,请关注我的另外一个【快速入门】的基础教程 |
2022-05-20 | 05:30 | 501 | 文件读写 | CSV文件合并方法2 【改进版】 | 不编程亦分析 | 【无需任何基础】请导入我的工作流,修改输入输出路径,最后一个节点执行即可得到结果 工作流下载:链接:https://pan.baidu.com/s/1QDi6bYgoG017ExOxyUBeUQ?pwd=3891 如果想学此KNIME 软件,请关注我的另外一个【快速入门】的基础教程 |
2022-05-20 | 06:29 | 288 | Excel, 表操作 | N个文件1表(Excel)合并 | 不编程亦分析 | 类型1:N个Excel文件,每个文件内仅1个工作表 根据场景选择不同的方法。第一张方法,只需要三步,鼠标点击几下即可完成【无需任何基础】导入我的工作流,修改输入输出路径,最后一个节点执行即可得到结果 |
2022-05-20 | 05:00 | 258 | Excel | 文件N表合并(Excel) | 不编程亦分析 | 1、1文件N表,例如每个sheet都是各月月份命名的文件,除了合并数据外,还希望得到sheet名 2、使用方法:导入我分享的工作流, 修改输入输出路径,最后一个节点执行即可得到结果 3、工作流以及数据下载:链接:https://pan.baidu.com/s/1fZhEwFdvPP5lteyn_-1PgA?pwd=3891 如果想学此KNIME 软件,请关注我的另外一个【快速入门】的基础教程 |
2022-05-21 | 11:30 | 326 | Excel, 组件 | N文件N表合并(Excel)改进版 | 不编程亦分析 | N文件N表---改进版 新增针对非标准格式数据,如何修改参数,跟着我操作即可。1、【终极大法】,Excel文档合并,同时获取文件名,工作表名(sheet),2、使用方法:导入我分享的工作流,修改输入输出路径,最后一个节点执行即可得到结果 3、工作流下载:链接:https://pan.baidu.com/s/1AIOIAAiHI9ctc1cF6hZt6g?pwd=6890 属于拿来用型,无需任何基础,如果想更多学习此 KNIME 软件,请关注我的另外一个【快速入门】的基础教程 |
2022-05-22 | 07:08 | 487 | 文件读写, Excel, CSV | 不同格式多文件合并.多文件不同格式合并 | 不编程亦分析 | 09-多文件不同格式合并. 当你碰到CSV,Excel,txt文件,结构是相同的,如何才能不修改格式情况下,快速合并,跟着我操作即可。无需任何基础,如果想更多学习此KNIME 软件,请关注我的另外一个【快速入门】 的基础教程 |
2022-05-23 | 05:53 | 246 | 表操作 | 多个文件左右合并 | 不编程亦分析 | 针对不同结构的多个文件,使用JOIN进行横向合并。再也不用VLOOKUP了。(这个join节点非常非常重要)注意,可以鼠标点击,选择多个匹配列,也可自由选择返回列(默认返回匹配表中所有行)如果想更多学习此KNIME 软件,请关注我的另外一个【快速入门】的基础教程 |
2022-05-24 | 06:15 | 313 | 表操作 | 按组自动拆分N个文件 | 不编程亦分析 | 按组自动拆分,比如一列【部门】有多个值,如财务部,业务部等等,自动拆分为财务部.xlsx,业务部.xlsx等等,【若需示例文件请留言,或关注后私信我】不需任何基础,只为解决,怎么做。使用方法:导入示例,按照视频指引,修改几个地方即可随时使用。如果想更多学习此KNIME 软件,请关注我的另外一个【快速入门】的基础教程 |
2022-05-27 | 05:23 | 267 | 行操作 | 按行自动拆分N份文件 | 不编程亦分析 | 12-你不需要知道里面使用的循环是什么,只要按照视频中说的3个地方设置就能得到结果 若需示例,请留言或私信我 |
2022-05-27 | 02:57 | 315 | 组件 | 按组分拆 图形化界面版本【小白专用】 | 不编程亦分析 | 13、针对按组拆分做了一个图形化界面,鼠标点击设置3个参数即可。任何新手导入示例,按照视频操作即可。示例上传Q群,详见主页公告如果还有比我这个操作更简单的,请告诉我,让我也学习下。 |
2022-05-28 | 02:14 | 160 | 表操作 | 按行分拆 图形化界面版本【小白专用】 | 不编程亦分析 | 14、针对按行数拆分做了一个图形化界面,通过此处设置3个参数即可。1-输入文件路径 2保存文件路径 3-N行(每N行切分为一个文件)导入示例即可,如果还有比我这个操作更简单的,请告诉我,让我也学习下 请多多支持,若需要示例可私信或留言 |
2022-05-30 | 06:01 | 311 | 表操作 | 自动拆分为1个文件【多个工作表】 | 不编程亦分析 | 1、按组自动拆分,比如一列【部门】有多个值,如财务部,业务部等等,自动拆分为多个sheet表,与第11讲工作流完全相同,但节点参数设置不同,2、若需示例文件请留言,或关注后私信我 3、不需任何基础,只为解决,怎么做。使用方法:导入示例,按照视频指引,修改几个地方即可随时使用。如果想更多学习此KNIME 软件,请关注我的另外一个【快速入门】的基础教程 |
2022-06-01 | 03:41 | 778 | 组件 | KNIME各模块功能简介(上) | 不编程亦分析 | KNIME各模块简介,共计13个模块,概述每个模块的功能 |
2022-06-02 | 05:32 | 765 | 组件 | KNIME各模块功能简介(下) | 不编程亦分析 | KNIME各模块简介,共计13个模块,总结初学者应该侧重的模块和重点 |
2022-06-03 | 08:00 | 887 | 案例, 表操作, 文件读写, 组件, 流变量 | 自动化重复性数据分析工作 | 不编程亦分析 | 07-如何自动化重复性工作 1)以1个工作中的实际案例,阐述如何将你的数据处理流程化,参数化,以便更自动化的处理和分析数据。2)只要数据结构不变(行数增加不影响),修改文件读入,重新执行即可得到结果,3)后面多个视频以此案例展开,详细讲解涉及到的各个节点 |
2022-06-03 | 10:53 | 631 | 数据类型、案例 | 案例分析及数据类型、查看等 | 不编程亦分析 | 08-案例分析及数据类型、查看等 1)案例讲解,数据类型中最重要的是字符型(包含分类型)、数值型、时间类型(本质也是数值型)。不同类型适用的节点是不一样的,2)根据需要,有时也需要将字符型转换为数值或时间类型。理解这个数据类型,非常 非常 非常重要。3)查看数据时,可以指定数据的类型,数值范围,若是分类型会列示出来(超过50个类别则不再列示,即使是分类型), 也类似SPSS、SQL,先对表各列定义,以此管理数据。Excel对数据类型管理比较弱 |
2022-06-03 | 07:17 | 790 | 列操作 | 字符串类型处理 | 不编程亦分析 | 1)字符串类型数据,用到最多的是String Manipulate。对字符串大小写转换,查找,替换,提取子串,合并等。2)本例带有分隔符“部门”字符串进行处理,先定位最后一个分隔符位置,以此作为起始点,获取其后的字符串。若为路径最后的文件名,也可参考此方法 3)注意,Excel中的find函数,只能查找字符第一个位置,KNIME可以是第一个,也可以是最后一个。 |
2022-06-04 | 04:14 | 227 | 文件读写 | 数据文件合并拆分专题 场景概述 | 不编程亦分析 | 1)本专题主要为拿来用型,无需任何基础。不需要像网上找代码那样,研究修改,甚至从头开始学一般编程语言。2)使用方法:导入我分享的工作流,修改输入输出路径,最后一个节点执行即可得到结果 3)若需工作流示例 ,请私信留言即可 4)如果想学此KNIME 软件,请关注我的另外一个【快速入门】的基础教程 |
2022-06-05 | 04:43 | 578 | 列操作 | 利用规则节点提取省份 | 不编程亦分析 | 10-利用规则节点提取字符串. 1)查找字符串是否包含指定字符串,若包含则得到指定的省份。详见视频 2)这个使用非常多。还有几个节点,以rule 开头的节点,界面和用法大致相同 |
2022-06-06 | 07:16 | 802 | 表操作 | 数据汇总(分组统计) | 不编程亦分析 | 11-数据汇总(分组统计)1、group by 节点,及pivot节点,本质都是相同的,都是做汇总使用 2、务必记住我说的,汇总三要素 3、两者使用根据数据展现形式需要,进行选择 |
2022-06-08 | 05:30 | 476 | 列操作 | 数值列类型计算 | 不编程亦分析 | 12-数值计算 1、利用math formula节点计算未完成率,同时计算多列是,2、如多列都有元转为万元时,使用Math Formula(Multiple)可同时对多列一次性计算 |
2022-06-11 | 07:33 | 362 | 表操作 | 多个 字符串类型分组合并 | 不编程亦分析 | 13-多个字符串类型分组合并 1)利用groupby 对字符串类型合并,这个功能特别实用,Excel没有直接可用的函数。2)group by节点非常重要,做汇总分析时,第一个应该想到的应该就是这个 |
2022-06-12 | 03:43 | 538 | 可视化 | 数据可视化.14 -数据可视化 | 不编程亦分析 | 14 -数据可视化 1)利用sunburst 太阳图,展示多层级分布情况,而不是但层级的饼图 2)默认按照原表列的顺序展现层级。若不是想要的层级,请使用Column Resorter调整即可 |
2022-06-13 | 06:07 | 375 | 表操作, 文件读写, 数据库, 可视化, 机器学习/人工智能 | 流程结束-图表输出 | 不编程亦分析 | 15-流程结束-图表输出。流程结束后,大致分为不同的情况---若对你有帮助,请多支持。 1)导出分析的数据结果,2)导出可视化图片 3)将加工好的数据写入数据库(KNIME支持各种主流数据库读写等操作) 4)将数据及图组合成格式化报告 5)导出训练好的模型 |
2022-06-15 | 06:24 | 403 | 列操作 | KNIME列过滤 上 | 不编程亦分析 | 16-列过滤(上)1)KNIME中列过滤的四种方法,五个节点 类型介绍 2)对比Python中的DataFrame中列选择,这个更方便,鼠标点击即可选择 |
2022-06-17 | 07:05 | 344 | 列操作 | 列过滤基于参照表(下) | 不编程亦分析 | 16-列过滤(下)--若需示例,私信留言即可 1)KNIME中列过滤的四种方法,五个节点类型介绍。针对参照表列过滤,请对比我实现的两种不同方法。2)参照表中的数据仅用到列和类型,数据是用不上的。3)为了更符合使用习惯,我做了改进,只提供列名即可 |
2022-06-19 | 12:24 | 380 | 行操作 | 行过滤 单条件(上).17 行过滤-单条件 | 不编程亦分析 | 17 行过滤-单条件 1)针对不同数据类型(字符型、数值型、日期型等),该使用什么节点,如何使用 2)对比分析不同节点的不同,自行体会优缺点,适用范围 |
2022-06-23 | 03:47 | 237 | 表操作, 时间数据类型 | 行过滤(中) | 不编程亦分析 | 17-行过滤(中)-基于时间范围、高亮等条件进行过滤 |
2022-06-24 | 03:25 | 297 | 列操作 | 行过滤 多列多 条件(下) | 不编程亦分析 | 多条件过滤节点。有2个版本,filter、splitter版本。利用逻辑表达式进行多条件设置 |
2022-07-04 | 08:48 | 276 | 行操作 | 行过滤 分类型三种过滤方法 | 不编程亦分析 | 使用字符串模糊匹配,或正则表达进行过滤;针对分类型字符串行过滤不同情况的节点比较及选择,根据情况灵活选择 |
2022-07-08 | 05:19 | 299 | 列操作 | 单元格切分 分列 三种方法(上) | 不编程亦分析 | |
2022-07-08 | 05:24 | 226 | 列操作 | 正则表达式切分单元格 | 不编程亦分析 | 想对字符串进行更灵活的处理,正则表达式则为必备技能 |
2022-07-09 | 04:30 | 296 | 列操作 | 列合并常用2种方法 | 不编程亦分析 | 使用Column Combiner 节点和string Manipulate节点 的joinSep函数完成列合并 |
2022-07-13 | 04:40 | 277 | 表操作 | 表格切分 左右 上下 | 不编程亦分析 | 对表格进行左右、上下切分,表格切分之后如何合并,详见下一讲 |
2022-07-15 | 04:13 | 423 | 表操作 | KNIME数据表格合并操作 | 不编程亦分析 | 对数据切分之后,可能需要分别处理,处理完毕后,再合并。本讲是对上一讲数据表拆分的逆操作---合并 |
2022-07-16 | 06:45 | 300 | 表操作 | 数据类型转换 | 不编程亦分析 | 不同类型数据之间最常用的几种转换类型。KNIME还有其他的数据类型,如Path、集合类型等,也有相应的转换类型 |
2022-07-21 | 05:41 | 260 | 时间数据类型 | 日期类型转换计算(上) | 不编程亦分析 | 使用KNIME自动解析字符串日期格式,若不正确可手动修改。无需像Python那样,太多参数需要记忆。 |
2022-07-22 | 04:32 | 209 | 时间数据类型, 案例 | 日期类型案例 生成各月底日期(下) | 不编程亦分析 | 利用KNIME的节点,2步自动生成指定时间范围内各月月末日期。以及解释生成日期范围节点使用注意事项 |
2022-07-23 | 05:22 | 213 | 列操作 | 数值型分组 | 不编程亦分析 | 使用Numeric Binner节点对数值型列切分 |
2022-07-24 | 02:36 | 190 | 表操作 | 数值型分组 手动分组 基于字典表(2) | 不编程亦分析 | 使用基于手动创建的字典表(左区间,右区间,区间段名称)共三列,构造分组段,完成年龄段分组 |
2022-07-24 | 04:12 | 230 | 数据探索, 列操作 | 数值型分组自动切分 | 不编程亦分析 | 自动切分快速完成切分,这个做数据探索,快速查看数据分布非常方便 |
2022-07-25 | 03:27 | 176 | 列操作 | 列重命名方法1 | 不编程亦分析 | 方法1:手动逐一修改,适合修改部分列名。若修改很多,推荐下一讲的批量修改方法 |
2022-07-26 | 02:43 | 660 | 列操作 | 列重命名批量修改(方法2) | 不编程亦分析 | 通过建立新旧列名对照表,实现批量列重命名 |
2022-08-09 | 08:44 | 245 | 文件读写, 流变量, 循环 | KNIME处理超大单个文件 | 不编程亦分析 | KNIME处理超大单个文件,使用流处理方式(也可叫做批处理),再大的本地文件也可处理。若有多个文件,单个文件本机性能可以处理,请使用循环处理 |
2022-08-11 | 04:37 | 148 | 表操作 | 列名排序 | 不编程亦分析 | 比Excel更方便的列序调整,可重复利用,摆脱重复劳动 |
2022-08-13 | 03:36 | 530 | 列操作 | 列名排序批量自动排序 | 不编程亦分析 | 使用提前调整好的列序参照表,实现自动化批量排序,尤其涉及全表列序调整的,使用此更方便 |
2022-08-15 | 05:30 | 193 | 列操作 | 行排序 | 不编程亦分析 | 使用一列或多列,对行进行排序,目的:1)方便浏览数据 2)为其他数据处理做准备 |
2022-08-16 | 05:13 | 170 | 表操作 | 行排序 分组排序(窗口排序) | 不编程亦分析 | 1)针对每个细分的小组除了进行排序外,还对每个切分的小组进行序号编号。多出一列,方便下一步过滤。2)工作中,该节点非常有用。可类比SQL总的窗口函数3)有3中不同的序号方式,稍后文章专栏补充 |
2022-09-04 | 07:17 | 622 | Python | 缺失值处理 向上向下填充、插值等(上) | 不编程亦分析 | 针对缺失值进行快速处理,无需记忆众多参数,打开即可使用。自行对比Python对缺失值处理的函数。 |
2022-09-06 | 05:55 | 267 | 表操作 | 缺失值处理规则应用(下) | 不编程亦分析 | 常用来将训练集得到的一套处理缺失值的规则应用至测试集 |
2022-09-15 | 06:53 | 186 | 列操作 | 数据平移 | 不编程亦分析 | 数据平移,一般针对特定排列顺序的数值型数据 |
2022-09-17 | 04:05 | 84 | 列操作 | 同组添加序号(窗口排序).同组分别添加序号 | 不编程亦分析 | 同组分别添加序号 |
2022-09-29 | 04:31 | 102 | 时间数据类型 | 如何提取周数 | 不编程亦分析 | 提取周数,修改默认设置,区分不同的情况 |
2022-09-30 | 08:49 | 388 | 表操作 | 生成模拟数据 | 不编程亦分析 | 快速生成模拟数据,完成节点功能测试,方便KNIME其他节点功能测试和学习 |
2022-10-09 | 09:38 | 139 | 组件 | 单个节点实现多步骤计算 | 不编程亦分析 | 一个节点完成3中不同类型的数据操作,减少节点使用,简化工作流 |
2022-10-11 | 10:51 | 159 | 可视化 | 工作流管理 | 不编程亦分析 | 让工作流一目了然,简洁易懂,方便工作流的修改、管理、及分享等 |
2022-10-13 | 07:23 | 129 | 案例 | 节点比较解决学习设置之困惑 | 不编程亦分析 | 通过示例解决初学者针对界面设置差异的困惑,帮助快速定位与模板或示例不同之处 |
2022-10-19 | 07:09 | 178 | 表操作 | 两个表格差异比较及改进 | 不编程亦分析 | 比较两个相似表格之间的差异,参照示例,替换数据,微调即可使用 |
2022-10-20 | 09:57 | 90 | 列操作 | 括号及字符数据剔除 | 不编程亦分析 | 展示不同的处理思路和方法。开拓思路,供大家参考 |
2022-10-21 | 03:47 | 214 | 列操作, 正则表达式 | 提取括号内的字符串 | 不编程亦分析 | 1)扩展04讲内容,展示如何提取字符串。2)另外,也可使用正则表达式提取 Regex Substring节点, 使用04讲中我写的正则表达式即可 |
2022-10-26 | 10:33 | 543 | 案例 | KNIME节点学习经验总结 | 不编程亦分析 | 节点学习的一些经验总结,归类,对比,节点常用搭配组合等等 |
2022-11-30 | 13:29 | 203 | 流变量, 循环, 组件, 分支结构, 错误处理 | KNIME进阶指引(上) | 不编程亦分析 | 入门后待进一步学习的一些方向,供大家参考。若大家自己在我之前分享的【数据文件合并、拆分专题】中使用流变量,循环等都能熟练使用,则技能可达到中级左右 |
2022-12-04 | 11:23 | 164 | 表操作, 文件读写, 组件, 循环, 分支结构, 机器学习/人工智能 | KNIME进阶指引(中) | 不编程亦分析 | 视频介绍各节点cheat sheet已上传群内,群内自取 1-KNIME建立工作流for初学者---Cheat-Sheet.pdf 2-KNIME数据处理---cheat-sheet.pdf 3-KNIME连接类节点-connectors-cheat-sheet.pdf 4-KNIME组件(components)-cheat-sheet.pdf 5-KNIME工作流控制(循环-分支等)cheat-sheet.pdf 6-KNIME机器学习cheat-sheet.pdf |
2022-12-06 | 09:34 | 159 | 案例 | KNIME进阶指引(下) | 不编程亦分析 | 根据使用近十年的个人使用体会总结,希望对大家学习有所帮助。多年前一直想录一个像样的 中文KNIME入门视频教程,希望更多人认识到这个宝藏软件。由于基本上都是列提纲后一口气录制,有些细节还是会遗漏,也会有一些口误或错误,请多多见谅!---视频示例打包上传群内,需要的伙伴关注后,发送验证信息,入群自取 |
2023-02-23 | 04:37 | 152 | 文件读写, 行操作, 组件, 案例 | 使用KNIME进行文件和文件夹管理 | 不编程亦分析 | 使用KNIME快速完成批量文件和文件夹的生成,重命名,删除,移动等操作。将KNIME应用到具体的工作中取,减少重复低效的劳动 |
2023-04-07 | 04:15 | 132 | 表操作, 组件, 案例 | 计算各部分在总体占比(最佳方法) | 不编程亦分析 | 利用KNIME自动化计算 各部分占总体的占比;4中不同方法和思路的比较与分析 |
2023-04-08 | 04:58 | 12 | 表操作 | 计算各部分在总体的占比(另外3种方法) | 不编程亦分析 | 接上一讲,介绍另外3种方法,帮助大家拓宽解决问题的思路 |
2020-10-07 | 03:17 | 656 | 软件安装 | 安装 Analytics Platform拓展插件 | 卖荔枝的蜗牛 | 今年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-16 | 03:45 | 116 | 表操作, 组件, 可视化 | 使用复杂聚合方法进行ETL数据透视 | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-16 | 07:10 | 275 | 表操作, 案例 | 使用 GroupBy 节点进行基本聚合操作 | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-16 | 03:29 | 116 | 表操作, 案例 | 使用Join操作进行ETL | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-04 | 00:47 | 709 | 表操作, 文件读写, Excel | KNIME Analytic Platform 之Excel Reader 的使用 | 卖荔枝的蜗牛 | KNIME Analytic Platform 之Excel Reader 的使用 |
2020-10-04 | 01:05 | 349 | 表操作, Excel | Excel写入节点 | 卖荔枝的蜗牛 | KNIME Analytics Platform -Excel Write Node |
2020-10-16 | 10:41 | 303 | 表操作 | 数据操作:数字、字符串和规则 | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-16 | 06:45 | 282 | 表操作 | ETL数据整理:旋转节点 | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-16 | 04:57 | 212 | 表操作 | 使用KNIME进行ETL - Joiner节点第一部分 | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-16 | 00:44 | 164 | 表操作 | ETL 列过滤是什么 | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-16 | 06:40 | 140 | 表操作 | 使用KNIME进行ETL:Joiner节点第二部分 | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-16 | 04:31 | 139 | 表操作 | 使用KNIME进行ETL——连接节点 | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-16 | 04:38 | 126 | 表操作 | 多列数据ETL透视 | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-16 | 01:41 | 178 | 行操作, 数 据整理, 自主学习课程, 中文字幕, 学习资源 | 特殊数据类型的高级行过滤ETL | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-16 | 05:53 | 465 | 行操作, 可视化, 案例 | ETL行过滤器与模式匹配 | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-16 | 03:16 | 283 | 行操作, 可视化, 机器学习/人工智能, 案例 | 基于数值间隔或缺失值的ETL行过滤器 | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-16 | 02:53 | 283 | 行操作, 可视化 | 基于RowID的ETL行过滤器 | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-16 | 06:41 | 238 | 行操作 | ETL高级行过滤 | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-12 | 06:21 | 157 | 网络访问 | 通过向 REST 服务发送 GET 请求进行数据访问 | 卖荔枝的蜗牛 | 今年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-10 | 04:03 | 410 | 组件, 可视化 | KNIME节点操作与自主学习课程 | 卖荔枝的蜗牛 | 今年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-08 | 01:49 | 861 | 组件 | 节点推荐功能. KNIME 系列软件的综合介绍 0代码让您玩转数据科学 | 卖荔枝的蜗牛 | KNIME 系列软件的综合介绍0代码让您玩转数据科学本视频搬运至油管,并附上了中文字幕便于同学学习更多学习信息,请关注我的公众号@卖荔枝的蜗牛 |
2020-10-08 | 04:22 | 598 | 组件 | 节点仓库介绍 | 卖荔枝的蜗牛 | 今年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-04 | 00:41 | 368 | 组件 | KNIME分析平台——数学节点 | 卖荔枝的蜗牛 | KNIME Analytic Platform - Math Node |
2020-10-17 | 05:14 | 136 | 组件 | KNIME Analytics Platform 中的开关 | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-29 | 05:26 | 120 | 组件 | 使用评分器评估分类模型性能的JavaScript节点 | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-17 | 03:35 | 108 | 组件 | 组件 是什么 | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-17 | 03:05 | 91 | 组件 | KNIME自主学习课程:组件配置视频 | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-17 | 04:38 | 82 | 组件 | 分享和链接组件 | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-29 | 05:15 | 166 | 流变量, 组件, 可视化 | Numeric Scorer Node自主学习课程 | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-17 | 05:01 | 409 | 流变量, 案例 | 流变量 | 卖荔枝的蜗牛 | 2020年,KNIME 推 出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-17 | 01:58 | 171 | 流变量 | 数据流变量从数据到变量 | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-17 | 03:06 | 122 | 流变量 | 使用Metanodes清理工作流 | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-10 | 03:45 | 340 | 档案管理 | 创新新工作流以及工作流文件夹 | 卖荔枝的蜗牛 | 今年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-07 | 06:03 | 1633 | 案例 | KNIME自主学习课程简介 | 卖荔枝的蜗牛 | 今年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-10 | 01:45 | 1416 | 案例 | 节点和工作流简介 | 卖荔枝的蜗牛 | 今年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-07 | 03:38 | 461 | 案例 | Analytics Platform 欢迎界面说明 | 卖荔枝的蜗牛 | 今年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。本视频搬运至油管,并附上了中文字幕便于同学学习更多学习信息,请关注我的公众号@卖荔枝的蜗牛原视频链接:Enjoy! |
2020-10-10 | 03:54 | 436 | 案例 | 案例服务器 | 卖荔枝的蜗牛 | 今年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-16 | 01:00 | 304 | 案例 | 行过滤是什么 | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-10 | 06:41 | 274 | 案例 | KNIME客制化Analytics Platform自主学习课程 | 卖荔枝的蜗牛 | 今年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-10 | 03:03 | 264 | 案例 | KNIME自主学习课程概述 | 卖荔枝的蜗牛 | 今年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-17 | 05:06 | 251 | 案例 | 构建交互式仪表盘的步骤 | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-16 | 01:48 | 203 | 案例 | 什么是数据聚合 | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-07 | 03:44 | 166 | 案例 | 软件创建和生产化数据科学 - KNIME 系列软件的综合介绍 | 卖荔枝的蜗牛 | KNIME 系列软件的综合介绍0代码让您玩转数据科学本视频搬运至油管,并附上了中文字幕便于同学学习更多学习信息,请关注我的公众号@卖荔枝的蜗牛原视频链接: |
2020-10-17 | 03:19 | 163 | 案例 | KNIME中的学习者预测器构建 | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-17 | 02:07 | 134 | 案例 | 拖拽式数据科学 | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-29 | 07:01 | 130 | 机器学习/人工智能, 网络访问 | 决策树背后的秘密 | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-29 | 06:02 | 398 | 机器学习/人工智能 | ROC曲线是什么 | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-29 | 06:34 | 221 | 机器学习/人工智能 | Decision Tree Learner Node Algorithm Settings | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-29 | 05:16 | 139 | 机器学习/人工智能 | 分类模型的 ROC 曲线 | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-29 | 06:52 | 127 | 机器学习/人工智能 | Logistic Regression Node Algorithm Settings | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-29 | 03:59 | 115 | 机器学习/人工智能 | Logistic Regression Output Values and Memory Handling | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-16 | 03:48 | 72 | 时间数据类型, 案例 | ETL修改DateTime时区节点 | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-16 | 03:42 | 176 | 时间数据类型 | ETL String to DateTime Node | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-16 | 02:08 | 124 | 时间数据类型 | ETL提取日期时间字段节点 | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-28 | 04:45 | 101 | 时间序列 | Lag Column Node在时间序列分析中的关键 | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-10 | 03:41 | 434 | 文件读取 | KNIME自主学习课程-数据读取 | 卖荔枝的蜗牛 | 今年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-17 | 03:33 | 151 | 文件读写, 可视化 | 将KNIME工作流中的数据导出到Tableau报告 | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-10 | 06:18 | 1329 | 文件读写 | 如何导入和导入工作流 | 卖荔枝的蜗牛 | 今年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-10 | 04:10 | 467 | 文件读写 | KNIME自主学习课程-数据读取 | 卖荔枝的蜗牛 | 今年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-10 | 02:20 | 318 | 文件读写 | KNIME数据读取表读取节点 | 卖荔枝的蜗牛 | 今年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-17 | 05:23 | 205 | 文件读写 | 将KNIME工作流中的数据导出到BIRT报告 | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-17 | 03:39 | 168 | 文件读写 | CSV Writer 数据访问 | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-10 | 04:29 | 345 | 数据结构 | KNIME 自主学习课程 | 卖荔枝的蜗牛 | 今年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-16 | 01:46 | 108 | 数据整理 | 使用KNIME进行ETL——Concatenation是什么 | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-12 | 05:04 | 297 | 数据库 | 访问数据库 | 卖荔枝的蜗牛 | 今年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-17 | 05:24 | 116 | 数据库 | 数据库数据操作 | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。本视频搬运至油管,并附上了中文字幕便于同学学习 |
2020-10-17 | 05:28 | 301 | 循环 | Loop End节点 | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-17 | 04:10 | 205 | 循环 | 什么是循环 | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-17 | 04:23 | 182 | 循环 | 循环命令 | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-17 | 04:41 | 163 | 循环 | Group Loop Start Node 和 Chunk Loop Start Node | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-17 | 03:49 | 159 | 循环 | 如何构建计数循环 | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-17 | 04:19 | 150 | 循环 | 如何构建通用循环 | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-17 | 04:05 | 126 | 循环 | 递归循环更新数据循环。 | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-04 | 02:01 | 792 | 安装 | KNIME Analytics Platform自主学习课程安装视频 | 卖荔枝的蜗牛 | 今年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-17 | 06:29 | 328 | 可视化 | 数据探索交互式单变量可视化探索 | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-17 | 09:51 | 271 | 可视化 | 散点图交互式双变量可视化探索 | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-16 | 04:57 | 382 | 列操作, 机器学习/人工智能, 可视化 | Column Expressions Node自主学习课程 | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-16 | 04:50 | 242 | 列操作 | KNIME自主学习课程之列过滤节点 | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-10 | 03:30 | 496 | Excel, 可视化 | 数据读取 Excel 读取节点 | 卖荔枝的蜗牛 | 今年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
中高级议题
- 琥珀[b站昵称:Data_Amber]: 致力于让数据科学与机器学习在工业,商业落地。微信: baltic_sea_in_amber
- 里老师[b站昵称: 里你OK]: 香港科技大学博士,从事半导体、激光、数据分析,大数据、人工智能与手机 App 应用开发。《图说图解机器学习》作者,这本书也是多年的实践教学当中总结的“图说图解、自上而下、够用即止、实战掌握”的入门书, 最主要的是,这本书中的算法实现全部是用 KNIME 节点实现的! 这本书的第二版、第三版正在修订中,期待!😍😍😍 微信: minganxinxi
- 叶老师[b站昵称: 叶老师讲大数据]: 专注商业领域的应用场景。
中高级议题 视频列表
创建时间 | 视频时长 | 播放次数 | 分类 | 标题 | 作者 | 描述 |
---|---|---|---|---|---|---|
2019-03-04 | 09:07 | 7531 | 02. KNIME | 里你OK | KNIME是一款基于Eclipse开发 环境的机器学习工具,采用的是类似数据流的方式来建立流程,并且可以与其它系统集成,如:Python,Java,Tableau等。而且有着丰富的第三封扩展,方便开展各类机器学习任务。学会 | |
2019-03-04 | 12:12 | 5056 | 03. 你需要的统计学 | 里你OK | 这部分内容,我们熟悉一些以后会用到的基本的统计学。首先介绍数据的种类,然后介绍回归的基本概念,进而引出最小二乘法,最后看看如何判断拟合的好坏。学会并参加Kaggle国际机器学习竞赛。 | |
2019-03-04 | 11:43 | 1346 | 01. 机器学习001 | 里你OK | 机器学习简介学会并参加Kaggle国际机器学习竞赛。 | |
2019-03-04 | 15:57 | 1944 | 人工智能001 | 里你OK | 人工智能历史,定义和应用简介 | |
2019-03-10 | 24:32 | 6008 | 04 简单线性回归实战 | 里你OK | 我们已经熟悉了线性回归的基本原理,下面我们将这些理论知识投入实战。通过使用 knime建立一个工作流,其中会简单介绍训练和测试是什么,还会涉及到 p value 的意义。最后简单了解一下怎么样解释模型和如何对节点做注释。 | |
2019-03-12 | 05:45 | 5250 | 04.5 p value 详解 | 里你OK | 在 04 基础上,详细介绍 p value 是什么,与 t value 的区别于联系是什么,为什么用 p 而不是 t 呢? | |
2019-03-22 | 09:00 | 2389 | 05e 特征归一化 | 里你OK | 特征归一化 | |
2019-03-22 | 14:39 | 2448 | 05d KNIME 实现特征正向选择 | 里你OK | KNIME 实现特征正向选择 | |
2019-03-22 | 08:50 | 2363 | 05c 特征选择防止过拟合 | 里你OK | 特征选择防止过拟合.特征反向删除, 正向选择等 | |
2019-03-22 | 09:02 | 2646 | 05b 数据可视化 | 里你OK | 数据可视化, 看看数据到底是什么, 方便数据理解 | |
2019-03-22 | 05:34 | 3501 | 05a 多元线性回归基本工作流建立 | 里你OK | 熟悉了线性回归的原理,在简单线性回归的基础上熟悉了机器学习的一般流程,下面我们再在已有知识的基础上,学习一下使用 KNIME 做多元线性回归。 | |
2019-04-15 | 09:13 | 2848 | 06c KNIME 实现逻辑回归 | 里你OK | KNIME 实现逻辑回归 | |
2019-04-15 | 03:36 | 1095 | 06a. 分类问题 | 里你OK | 分类问题 | |
2019-04-15 | 02:13 | 3290 | 06b 从线性回归到逻辑回归 | 里你OK | 从线性回归到逻辑回归 | |
2019-04-23 | 30:40 | 2922 | 07 逻辑回归之泰坦尼克号问题 | 里你OK | 07 逻辑回归之泰坦尼克号问题 | |
2019-05-07 | 31:45 | 3108 | 08 梯度下降算法与模型优化 | 里你OK | 梯度下降算法与模型优化,混淆矩阵,ROC,准确率,召回,精确度,特异性等等蛋疼的东西 | |
2019-05-28 | 12:44 | 2898 | 09 支持向量机 svm | 里你OK | 支持向量机 svm. 与逻辑回归的区别于联系, 损失函数角度考虑 svm,核函数及其参数. | |
2019-10-24 | 05:21 | 5624 | KNIME 做中文文本分析 -- 创建词云, 情感分类等 | 里你OK | Knime 做中文文本分析 -- 创建词云, 情感分类等. 我不是研究自然语言处理的,我不懂机器学习,我只是想在我的某个场景中使用机器学习的某个功能,我没钱雇一个机器学习工程师,我也没有能力学习机器学习,我也得干活啊!我使用 Knime 试试。结果显示能用。 | |
2019-11-04 | 30:05 | 2342 | 10 决策树及过拟合 | 里你OK | 决策树是什么, 怎样构建决策树, 如何防止过拟合与欠拟合 | |
2019-11-22 | 37:18 | 4092 | 11 决策树进阶,随机森林\袋装\提升 knime 应用,ID3 与 cart 算法,信息熵与基尼系数.非平衡数据的解决,降采样与过采样 | 里你OK | 决策树进阶,随机森林\袋装\提升 kinme 应用,ID3 与 cart 算法,信息熵与基尼系数.非平衡数据的解决,降采样与过采样 | |
2023-03-06 | 40:15 | 293 | 机器学习 | DT决策树 | 叶老师讲大数据 | 1.如何用决策树模型对泰坦尼克号数据进行分析?2.分析可以得出哪些结论呢? |
2023-03-06 | 46:29 | 697 | KNIME工作流 | 叶老师讲大数据 | 怎么快速使用KNIME进行数据分析呢? | |
2023-03-06 | 53:20 | 1509 | 商业分析经典方法 | RFM分析 | 叶老师讲大数据 | 如果你是一家店铺的老板,1. 你会把客户分类吗,为什么? 2. 你会把客户分哪几类?分类依据又是什么?3. 根据不同的客户分类,你会采取哪些销售措施? |
2023-03-13 | 41:19 | 536 | 推荐系统 | 商品推荐 | 叶老师讲大数据 |