داده کاوی علمی است که به دنبال پیدا کردن الگوی نهفته از داده های خام است. ولی این الگوی نهفته چگونه و با چه ابزاری باید از داده خام استخراج شود؟
چه چیزی داده کاوی نیست؟ || ||داده کاوی چیست؟
در این سلسله مقالات ابزار داده کاوی رپیدماینر به عنوان قویترین ابزار پیاده سازی آموزش داده می شود. مانند دیگر ابزارهای، ابزار داده کاویِ رپیدماینر نیز از عملگرها تشکیل شده است بدین ترتیب که با استفاده از اتصال عملگرها، مدلهای داده کاوی ایجاد شده و مورد استفاده قرار می گیرد. بدین ترتیب در ادامه مخاطب با عملگرهای رپیدماینر آشنا می گردد. لازم به ذکر است که این توضیحات از کتاب داده کاوی کاربردی صنیعی آباده برداشته شده است که البته ترجمه کلمه به کلمه از توضیحات داخل خود نرم افزار رپیدماینر است.
آموزش عملگر (Rename) در رپیدماینر
این عملگر را می توان برای تعویض نام ویژگی های مجموعه داده ورودی به کار برد. در صورت به کار بردن این عملگر باید دو نکته را به خاطر داشته باشید، اول اینکه نام هر یک از ویژگیها باید منحصر به فرد باشد و نکته دوم این که چنانچه نام یک ویژگی تغییر داده شود، ویژگی نقش خود را حفظ خواهد کرد. با استفاده از پارامتر rename additional attributes می توانیم نام چندین ویژگی را به صورت همزمان تغییر دهیم.
مجموعه مقالات داده کاوی پیاده سازی شده توسط رپیدماینر
مجموعه مقالات داده کاوی پیاده سازی شده توسط رپیدماینر را می توانید به صورت رایگان از وب سایت دیتاهارت دانلود کنید.
آکادمی داده در تلگرام (https://t.me/dataacademy) حضور دارد برای ارتباط از طریق ایمیل، آدرس جیمیل: dataacademyir@gmail.com می باشد.
افتخار آکادمی داده، همسفر بودن با شما در راه یادگیری علم داده است.