- 综合排序
- 最热优先
- 最新优先
- 来自专栏数据派THU
独家 | KNIME分析平台简介
在本博中，为您展示了KNIME分析平台的用户界面，解释了其关键功能，在展示友好的KNIME分析平台的同时，演示如何创建一个无代码的数据科学项目。 KNIME Hub是一个公共存储库，可以在其中找到大量的节点、组件、工作流和扩展，并提供了与其他KNIME用户协作的空间。在KNIME Hub上，还可以找到示例工作流和预打包组件。 具体来说，KNIME是一个免费的开放平台，无论资源是否可用，使用者有无经验，任何想要理解数据的人都可以利用KNIME平台做数据分析。 具体来说，KNIME是一个免费的开放平台，无论资源是否可用，使用者有无经验，任何想要理解数据的人都可以利用KNIME平台做数据分析。 我们邀请所有用户在KNIME论坛上留下反馈。 对于测试该版本的初学者，建议使用以下配套资产： KNIME社区中心上的第5版KNIME分析平台集合，其中包括可以立即开始修改的示例工作流。
2.1K10编辑于 2023-05-11 如何使 KNIME Analytics Platform 支持国产化 ARM 架构
KNIME是最常见的工具之一，Knime有许多创新特性，比如可视化编程环境和简洁直观的界面。 然而，对于那些使用基于Arm架构设备的用户来说，Knime的官方却没有提供ARM版的支持。 在这个趋势下，原本Knime用户使用Arm架构的设备时，会发现Knime并没有提供ARM平台的支持，用户可能会因此限制，被迫选择其他数据分析工具。这个转变，代价无疑是非常大的。 Knime 是否支持ARM架构： 其实Knime一直是基于Eclipse的一套可视化数据开发工具，而且它是基于Java语言开发实现的，本质上来讲它应该是可以支持ARM架构上运行。 Knime 4.X 版本的ARM架构改造： 从Eclipse OSGI 以及Knime的源码分析等几个角度评估下来，我们发现，4.X版本是可以实现ARM架构支持的。 以下是在国产操作系统和国产台式机下运行的Knime截图： 也支持在麒麟服务器操作系统V10下运行，目前已经稳定执行千余份本脚本，表现十分稳固。
35710编辑于 2024-07-07- 来自专栏数据派THU
独家 | 数据科学死了吗
好吧，他有了数据，并决定通过KNIME分析平台（https://www.knime.com/knime-analytics-platform? 从5.1版本开始，KNIME分析平台在其框架中集成了一些Gen Al功能，也被称为KNIME Al或简称K-Al。 请记住，K-人工智能是KNIME的扩展，必须在安装KNIME Analytics Platform Core后单独安装。 还请记住，要能够查询K-人工智能，您需要使用KNIME Community Hub上的免费账户登录。 图2. K-人工智能在 KNIME分析平台中 Python 节点配置对话框中的实际应用。 3. 人工智能可以创建 KNIME 工作流 K-人工智能可以创建 KNIME 工作流。 图3. K-人工智能 在 KNIME分析平台中的运行示例。请注意顶部的“Q&A”和“Build”模式。
42710编辑于 2024-05-31 - 来自专栏人工智能头条
无需一行代码就能搞定机器学习的开源神器
为什么是KNIME KNIME是一个基于GUI工作流的强大分析平台。这意味着你不必知道如何编写代码(对于像我这样的初学者来说是一种解脱)，就能够使用KNIME并获得洞察力。 设置系统 在开始KNIME之前，首先你需要安装它并在PC上设置它。 到KNIME下载页面（http://www.knime.com/downloads）。 创建你的第一个工作流程 在我们深入研究KNIME的工作原理之前，让我们先定义几个关键术语来帮助我们理解，然后看看如何在KNIME中打开一个新项目。 节点:节点是任何数据操作的基本处理点。 这是你在KNIME上的空白工作流程。现在，你就可以从存储库将任何节点拖放到工作流中来探索和解决任何问题。 KNIME介绍 KNIME是一个可以帮助解决我们在数据科学的边界上可能遇到任何问题的平台。 KNIME有能力在分析标签下训练一些非常专业的模型。
89320发布于 2018-06-05 - 来自专栏ATYUN订阅号
无需编码，使用KNIME构建你的第一个机器学习模型
这篇文章将首先介绍一个基于GUI的工具-KNIME。到本文结束时，你将能够在不编写代码的情况下预测零售商店的销售情况。 ? 为什么选择KNIME? 1.设置系统 首先需要安装KNIME，并将它设置在你的PC上。 步骤1:访问 www.knime.com/downloads ? 步骤2:为你的PC确定正确的版本。 ? 步骤3:安装该平台，并为KNIME设置工作目录以存储其文件。 ? 这就是你的主屏幕在KNIME上的样子。 1.1创建你的第一个工作流 在我们深入了解KNIME的工作原理之前，让我们先定义几个关键术语来帮助我们理解，然后看看如何在KNIME中开创一个新的项目。 2.介绍KNIME KNIME是一个平台，在今天的数据科学的边界上，它可以帮助我们解决任何我们可能想到的问题，从最基本的可视化或线性回归到高级深度学习的主题，KNIME可以做到这一切。
8.6K70发布于 2018-03-02 - 来自专栏AI科技大本营的专栏
无需一行代码就能搞定机器学习的开源神器
为什么是KNIME KNIME是一个基于GUI工作流的强大分析平台。这意味着你不必知道如何编写代码(对于像我这样的初学者来说是一种解脱)，就能够使用KNIME并获得洞察力。 设置系统 在开始KNIME之前，首先你需要安装它并在PC上设置它。到KNIME下载页面（http://www.knime.com/downloads）下载。 创建你的第一个工作流程 在我们深入研究KNIME的工作原理之前，让我们先定义几个关键术语来帮助我们理解，然后看看如何在KNIME中打开一个新项目。 节点：节点是任何数据操作的基本处理点。 这是你在KNIME上的空白工作流程。现在，你就可以从存储库将任何节点拖放到工作流中来探索和解决任何问题。 KNIME介绍 KNIME是一个可以帮助解决我们在数据科学的边界上可能遇到任何问题的平台。 KNIME有能力在分析标签下训练一些非常专业的模型。
1.5K70发布于 2018-04-27 - 来自专栏CSDN技术头条
开源神器，无需一行代码就能搞定机器学习，不会数学也能上手
在今天的文章中，我将介绍一个基于GUI的工具：KNIME。读完本文，你将在无需编写任何代码的情况下，预测零售商店的销售情况。 好吧，让我们开始吧！ 为什么是KNIME ? KNIME是一个基于GUI工作流的强大分析平台。这意味着你不必知道如何编写代码(对于像我这样的初学者来说是一种解脱)，就能够使用KNIME并获得洞察力。 设置系统 在开始KNIME之前，首先你需要安装它并在PC上设置它。 到KNIME下载页面（http://www.knime.com/downloads）。 ? 为你的电脑确定正确的版本： ? 在你的平台上创建一个新的KNIME工作流并命名它为Introduction。 ? 现在，当点击Finish时，你应该已经成功创建了你的第一个KNIME工作流。 ? 这是你在KNIME上的空白工作流程。现在，你就可以从存储库将任何节点拖放到工作流中来探索和解决任何问题。 KNIME介绍 KNIME是一个可以帮助解决我们在数据科学的边界上可能遇到任何问题的平台。
1.5K80发布于 2018-02-08 - 来自专栏博文视点Broadview
低代码数据分析，会 “拖拉拽”就行了
我是指北君，我出版了一本叫作《KNIME视觉化数据分析》的书。 也许您用过很多数据分析工具；也许您面对编程、分析、建模，望而却步。 但是 KNIME 会给您完全不一样的感觉。 本书是第一本中文 KNIME 教程，通过不断地润色、整理、内容优化，可读性得到了很大的提高。 书中对 KNIME 的大部分节点进行了完整的覆盖性介绍，除此之外还有一些高级内容，如流变量、循环、分支、错误处理、可视化、模块化、Java、Python 节点、测试、时间序列分析、深度学习等，还有KNIME 虽然指北君在《KNIME 视觉化数据分析》的完成过程中，花费了很多时间和精力，编辑石老师也一遍遍的审核校对，但错误疏漏在所难免。
41520编辑于 2023-04-04 - 来自专栏米扑专栏
开源的数据挖掘工具
KNIME KNIME (Konstanz InformationMiner)是基于Eclipse开发环境来精心开发的数据挖掘工具。无需安装，方便使用（大家喜欢的绿色版）。 这里的控件和KNIME中的节点是类似的概念。 每个控件执行特定的功能，但与KNIME中的节点不同，KNIME节点的输入输出分为两种类型（模型和数据），而Orange的控件间可以传递多种不同的信号，比如learners, classifiers, evaluation Orange的控件不象KNIME的节点分得那么细，也就是说要完成同样的分析挖掘任务，在Orange里使用的控件数量可以比KNIME中的节点数少一些。 Orange的好处是使用更简单一些，但缺点是控制能力要比KNIME弱。
1.9K30发布于 2019-02-18 - 来自专栏人工智能小咖
专家们最常用的15款机器学习工具
Knime Knime是一个基于图形用户界面（Graphical User Interface，GUI）的开源机器学习工具。 关于Knime，最值得一提的是，即使没有任何编程知识，仍然可以利用Knime提供的工具。Knime通常用于与数据相关的目的，例如：数据操纵、数据挖掘等。 而且，Knime通过创建并执行不同的工作流程来处理数据。Knime的存储库带有很多不同节点。然后，将这些节点带入Knime门户就能创建并执行节点的工作流程。 2.
6.3K00发布于 2020-04-16 - 来自专栏人称T客
主流大数据分析软件全面接触
我们将在本文对九个主流大数据分析软件厂商的产品进行对比，即Alteryx、 IBM、KNIME.com、 Microsoft、 Oracle、 RapidMiner、SAP、 SAS 和 Teradata KNIME包含文本挖掘、图像挖掘和时间序列分析的方法，也从其他开源项目（如Weka、R和JFreeChart）集成机器学习算法。 KNIME提供商业扩展，支持团队协作。SAS Enterprise Miner客户服务器构架能够通过共享模型和其他工作产品，让业务用户和数据分析师增强协同合作。 厂商规模和产品集成。 规模小点的厂商，如KNIME、Alteryx和RapidMiner，收入主要来自许可授权和支持少量大数据分析产品。 KNIME和RapidMiner提供免费或开源版本，对技术支持收费或者对企业级应用版本进行收费。相对而言，KNIME、RappidMiner和Alteryx对数量少的用户收取的许可费用较低。
2.2K80发布于 2018-03-21 - 来自专栏AI科技时讯
四种检测异常值的常用技术简述
在这篇博文中，将展示KNIME分析平台中四种最常用的异常值检测的技术。 该技术是使用KNIME工作流中的行过滤器节点实现的（见图1）。 该技术是使用图1中KNIME工作流中的DBSCAN节点实现的。 Python Integration的一部分，它允许我们将Python代码编写/导入到KNIME工作流程。 在KNIME工作流程中实施 KNIME Analytics Platform是一个用于数据科学的开源软件，涵盖从数据摄取和数据混合、数据可视化的所有数据需求，从机器学习算法到数据应用，从报告到部署等等
1.9K20发布于 2019-08-15 - 来自专栏Python数据科学
10款必备神器：机器学习开源工具助你从新手到高手
这里为初学者推荐两个工具： Knime Knime是一款出色的工具，可让你无需编写任何代码即可完成端到端的数据科学工作流程。 它甚至配备了一个拖放式界面，UI清晰，操作简单直观，可以说是懒人福音了。 最后，你可以通过使用Knime生成洞察来利用你的实现。 官网： https://www.knime.com/ Uber Ludwig Uber Ludwig是另一款适合初学者的优秀工具。 使用起来比Knime稍微复杂一点点。需要先加载CSV文件来训练数据。通过使用预先训练的模型，你可以预测输出目标。最后，你可以使用可用的可视化选项可视化你的数据。
85930发布于 2019-08-15 - 来自专栏华章科技
2017最佳数据科学平台
我们对比了Gartner2017年数据科学平台魔力象限和它2016年的版本在“领头羊”（Leaders）和“黑马”（Challengers）中的明显改变，其中包含IBM, SAS, RapidMiner, KNIME 图1：Gartner 2017数据科学平台魔力象限 包括公司： 领头羊（Leaders）：IBM, SAS, RapidMiner, KNIME 黑马（Challengers）：MathWorks(新) 领头羊 与之前相同的四个公司：IBM, SAS, RapidMiner 和 KNIME，他们是2014-2016年的领导者并且今年又一次进入了领导者象限。 2017年的魔力象限显示IBM在视觉方面有小幅进步，而SAS在执行能力方面有小幅下降，但是KNIME和RapidMiner在视觉方面都有缺失。 ? KNIME：为领先的数据科学家们提供了具有强大功能的开源KNIME分析平台。它在许多领域中都很强大，特别是在制造业和生命科学方面。
93720发布于 2018-08-16 - 来自专栏PPV课数据科学社区
六款值得推荐的数据挖掘得力助手
5、KNIME 数据处理主要有三个部分：提取、转换和加载。而这三者 KNIME 都可以做到。 KNIME 为您提供了一个图形化的用户界面，以便对数据节点进行处理。 KNIME 是基于 Eclipse，用 Java 编写的，并且易于扩展和补充插件。其附加功能可随时添加，并且其大量的数据集成模块已包含在核心版本中。
91270发布于 2018-04-20 - 来自专栏灯塔大数据
干货|6款数据挖掘工具，让你的工作效率UP！
6 KNIME KNIME是一个开源的数据分析、报告和综合平台，同时还通过其模块化数据的流水型概念，集成了各种机器学习的组件和数据挖掘。 我们都知道，提取、转换和加载是数据处理最主要的三个部分，而这三个部分，KNIME均能出色地完成。同时，KNIME还为用户提供了一个图形化的界面，以便用户对数据节点进行进一步的处理，十分贴心。
1.1K60发布于 2018-04-09 - 来自专栏新智元
10款必备神器：机器学习开源工具助你从新手到高手
这里为初学者推荐两个工具： Knime Knime是一款出色的工具，可让你无需编写任何代码即可完成端到端的数据科学工作流程。 它甚至配备了一个拖放式界面，UI清晰，操作简单直观，可以说是懒人福音了。 最后，你可以通过使用Knime生成洞察来利用你的实现。 官网： https://www.knime.com/ Uber Ludwig Uber Ludwig是另一款适合初学者的优秀工具。 使用起来比Knime稍微复杂一点点。需要先加载CSV文件来训练数据。通过使用预先训练的模型，你可以预测输出目标。最后，你可以使用可用的可视化选项可视化你的数据。
73520发布于 2019-08-15 - 来自专栏python前行者
《python数据分析与挖掘实战》笔记第1章
Enterprise Miner，集成数据挖掘系统 IBM SPSS Modeler， SQL Server， Python，面向对象的解释型高级编程语言 WEKA，知名度较高的机器徐文琪和数据挖掘软件 KNIME (6 ) KNIME KNIME ( Konstanz InformationMiner, http://www.knime.org)是基于 Java 开发的，可以 扩展使用Weka中的挖掘算法。 KNIME釆用类似数据流(data flow)的方式来建立分析挖掘 流程。挖掘流程由一系列功能节点组成，每个节点有输入/输出端口，用于接收数据或模型、 导出结果。
1K20发布于 2021-03-03 - 来自专栏敏捷分析
【光子工作室 × 腾讯灯塔】看光子创新研发基地如何利用 BI 加速数字化管理
光子的数字化解决方案 基于以上业务痛点，结合 DataTalk 以及 KNIME 等数据处理工具，光子广州基地搭建了基地运营数字化看板，形成了数据管理+数据可视化+报告推送+权限管理的一站式管理流程。 图4 通过图卡联动实现报告丰富的可读性 03 引入 KNIME 数据处理工具，一键处理海量数据资源 KNIME 是以工作流的方式，通过数据拖拽进行数据分析、数据处理的一个端对端数据科学分析工具，可以用于各类数据分析 KNIME 在规范数据格式、批量处理多数据源文档的功能上是十分强大的。 图5 KNIME 批量处理数据示意图 04 移动端实时看数据，满足邮件推送和权限管理需求 DataTalk 报告支持 PC、移动双端浏览，大大地提升了报告阅读的便利性，且 DataTalk 报告可以通过邮件
1.6K30编辑于 2022-08-25 - 来自专栏大数据文摘
[独家|译]2015年大数据展望和市场预测
™报告是基于13家不同的大数据预测分析提供商所提供数据的一个分析，这些公司分别是Alpine Data Labs, Alteryx, Angoss Software, Dell, FICO, IBM,KNIME.com 根据高德纳咨询公司最新的魔力象限（ Magic Quadrant）分析，IBM、KNIME、RapidMiner and和SAS在高端大数据分析平台市场遥遥领先。 报告中包括了以下的供应商：Alpine Data Labs, Alteryx, Angoss、 Dell、 FICO、 IBM、 KNIME、Microsoft、 Predixion,、Prognoz、
82760发布于 2018-05-21
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号