rapidminer使用教程-金沙1005

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