Rapid Miner
Operadores
Copyright © 2010 Leonardo M. Tito, Felipe Mullicundo. Se otorga permiso para copiar, distribuir y/o
modificar este documento bajo los términos de la Licencia de Documentación Libre de GNU, Versión 1.3 o
cualquier otra versión posterior publicada por la Free Software Foundation. Una copia de la licencia se
puede encontrar en el siguiente enlace:http://www.gnu.org/licenses/fdl-1.3.html
FECHA
AUTOR/A
VERSION
DETALLE
22/08/2010
Leonardo M. Tito, Felipe Mullicundo
0.1
Verión Inicial.
12/10/2010
Ing. Bernabeu Ricardo Dario
0.2
Revisión general.
Para ver la traducción no oficial de la Licencia de Documentación Libre de GNU, seguir el siguiente enlace:
http://stuff.danexnow.org/gfdl_es.html
1
INDICE
••
Instalación.
Tutorial de RapidMiner 5.0
◦
◦
◦
◦
◦
◦
◦
◦
◦
◦
◦
◦
◦
◦
◦
◦
◦
◦
◦
◦
◦
◦
◦
◦
◦
◦
•
Ejemplo 1: Árbol de Decisión.
Ejemplo 2: Reglas de Asociación.
Ejemplo 3: Stacking.
Ejemplo 4: K-Medias.
Ejemplo 5: Visualización de SVM.
Ejemplo 6: Rellenado de valores faltantes.
Ejemplo 7: Generador de ruido.
Ejemplo 8: Unión de Conjuntos de Ejemplos.
Ejemplo9: Validación Cruzada Numérica.
Ejemplo 10: Aprendizaje sensitivo al costo y gráfico ROC.
Ejemplo 11: Aprendizaje de Costos Asimétricos.
Ejemplo 12: Aprendizaje Sensible al Costo.
Ejemplo 13: Análisis de Componentes Principales.
Ejemplo 14: Selección Forward.
Ejemplo 15: Selección Multiobjetivos.
Ejemplo 16: Validación Wrapper.
Ejemplo 17: YAGGA.
Ejemplo 18: Configuración atributosresultantes de YAGGA.
Ejemplo 19: Generación de Características Definidas por el Usuario.
Ejemplo 20: Ponderación Evolutiva.
Ejemplo 21: Visualización del Conjunto de Datos y Pesos.
Ejemplo 22: Optimización de Parámetros.
Ejemplo 23: Habilitador de Operadores.
Ejemplo 24: Umbral de Ponderación.
Ejemplo 25: Prueba de Significancia.
Ejemplo 26: Cálculos Basados en Grupos.
Anexo: Descripción delos Operadores utilizados en el Tutorial de RM5
◦
◦
◦
◦
1. Data Transformation → Aggregation → Aggregate
2. Data Transformation → Attribute Set Reduction and Transformation → Generation → Generate Attributes
3. Data Transformation → Attribute Set Reduction and Transformation → Generation → Generate ID
4. Data Transformation → Attribute Set Reduction and Transformation → Generation →Optimization → Optimize
by Generation (YAGGA)
◦ 5. Data Transformation → Attribute Set Reduction and Transformation → Principal Component Análisis
◦ 6. Data Transformation → Attribute Set Reduction and Transformation → Selection → Optimization → Optimize
Selection
◦ 7. Data Transformation → Attribute Set Reduction and Transformation → Selection → Optimization → Optimize
Selection(Evolutionary)
◦ 8. Data Transformation → Attribute Set Reduction and Transformation → Selection → Select Attributes
◦ 9. Data Transformation → Attribute Set Reduction and Transformation → Selection → Select by Weights
◦ 10. Data Transformation → Attribute Set Reduction and Transformation → Selection → Work on Subset
2
◦ 11. Data Transformation → Attribute Set Reduction and Transformation →Transformation → Singular Value
Decomposition
◦
◦
◦
◦
◦
◦
◦
◦
◦
◦
◦
◦
◦
◦
12. Data Transformation → Data Cleansing → Replace Missing Values
◦
◦
◦
◦
◦
◦
◦
◦
◦
◦
◦
◦
◦
◦
◦
◦
◦
◦
◦
◦
◦
◦
◦
◦
◦
◦
◦
◦
◦
◦
26. Evaluation → Performance Measurement → Classification and Regression → Performance (Classification)
13. Data Transformation → Filtering →Filter Examples
14. Data Transformation → Name and Role Modification → Rename
15. Data Transformation → Name and Role Modification → Rename by Replacing
16. Data Transformation → Name and Role Modification → Set Role
17. Data Transformation → Set Operations → Append
18. Data Transformation → Set Operations → Join
19. Data Transformation → Sorting → Sort
20. Data Transformation → Type...
Regístrate para leer el documento completo.