对初学者来说，有太多的东西需要同时学习是机器学习面临的最大挑战之一，特别在你不知道如何编码的情况下。如果你没有过编写代码的经验，那么你可以使用GUI驱动的工具开始学习数据科学。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?

KNIME是一个基于GUI的工作流建立的强大的分析平台。这意味着，你不需要知道如何编写代码就可以使用KNIME，并获得深入的见解。你可以执行从基本的输入输出到数据操作、转换和数据挖掘等功能。它将整个流程的所有功能整合到一个单独的工作流中。

下面让我们开始吧！

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。

节点（Node）:节点是任何数据操作的基本处理点。它可以根据你在工作流程中选择的内容进行多种操作。

工作流（Workflow）:工作流是你在平台上完成特定任务的步骤或操作的序列。

左上角的Workflow Coach将向你展示KNIME社区中所推荐的特定节点的百分比。Node Repository（节点存储库）将显示特定工作流所拥有的所有节点，这取决于你的需求。一旦你创建了第一个工作流，你还可以去“Browse Example Workflows（浏览示例工作流）”查看更多的工作流。这是向任何问题构建解决方案的第一步。

要设置工作流，你可以遵循以下步骤。

步骤1:找到File菜单，点击New。



步骤2:在你的平台中创建一个新的KNIME工作流，并将其命名为“Introduction”。



步骤3:当你点击Finish时，你应该已经成功地创建了你的第一个KNIME工作流。



这只是你在KNIME上的空白工作流。现在，你可以通过从repository中拖拽任何节点到你的工作流中来探索和解决任何问题。

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。

作为一个示例，我们在本教程中要解决的问题是在Datahack中可以访问的“Big Mart Sales（大商场销售）”实践问题。地址：https://datahack.analyticsvidhya.com/contest/practice-problem-big-mart-sales-iii/

问题陈述如下：

Big Mart的数据科学家收集了2013年在不同城市的10家商店的1559种产品的销售数据。此外，还定义了每个产品和商店的某些属性。其目的是建立一个预测模型，并找出每个产品在特定商店的销售情况。

使用这个模型，Big Mart将尝试了解产品和商店的属性，这些特性在增加销售中起着关键的作用。

2.1导入数据文件

让我们从第一步开始，导入我们的数据。



将“file reader”节点拖放到工作流中，并双击它。接下来，浏览需要导入到工作流程中的文件。

在这篇文章中，我们将学习如何解决“Big Mart Sales”的实践问题，我将从大商场的销售中导入训练数据集。



当你导入数据集时，这就是预览后的样子。

让我们将一些相关的列形象化，并找出它们之间的相关性（Correlation）。相关性帮助我们发现哪些列可能相互关联，并在最终的结果上具有更高的预测能力来帮助我们。

为了创建一个关联矩阵，我们在node repository中输入“Linear Correlation”，然后将其拖放到我们的工作流中。



在像显示的那样拖放之后，我们将把文件阅读器的输出连接到节点的“Linear Correlation”的输入。点击顶部面板上的绿色按钮“Execute”。现在右键单击相关节点并选择“View: Correlation Matrix”来生成下图。



这将帮助你选择那些重要的特性，并通过在特定的储存格上悬停（hover）来获得更好的预测。接下来，我们将对数据集的范围和模式进行可视化，以便更好地理解它。

2.2可视化和分析

我们想从数据中了解到的最重要的事情之一是，哪些商品被卖得最多。有两种解释信息的方式:

1.Scatterplot（散点图）



在我们的node repository的视图选项卡下搜索“Scatter Plot”。将其拖放到与你的工作流类似的方式中，并将文件阅读器的输出连接到该节点。接下来，配置你的节点来选择需要的数据的行数(我选择了3000)，并希望可视化。

单击execute，然后View: Scatter Plot。



我选择了X轴为Item_Type，Y轴为Item_Outlet_Sales。

上面的图代表每一种商品类型的销售，可以看出水果和蔬菜的销售量是最高的。

2.Pie Chart（饼形图）

为了理解数据库中所有产品类型的平均销售估计，我们将使用饼形图。



单击Views下的Pie Chart node并将其连接到你的文件阅读器。选择你需要的用于隔离的列，并选择你喜欢的聚合方法，然后应用。

这张图表显示的是销售在各种产品上的平均分配。“Starchy Foods（淀粉类食品）”的平均销售额达到了7.7%。

我只使用了两种类型的视觉效果，尽管你可以在浏览“Views”选项卡时，以多种形式浏览数据。你可以使用直方图、折线图等来更好地可视化你的数据。

3.如何清洗你的数据?

在训练你的模型之前，你可以在你的方法中包括数据清洗和特征提取。在这里，我将介绍KNIME中数据清洗步骤的概述。
为了进一步理解，请遵循“数据探索和特性工程”这篇文章的内容。文章地址：https://www.analyticsvidhya.com/blog/2016/01/guide-data-exploration/

3.1寻找缺失值（Missing Values）

在我们虚拟估算值之前，我们需要知道哪些值是缺失的。

再次访问node repository，并找到节点“Missing Values”。拖放它，并将我们的文件阅读器的输出连接到节点。



3.2虚拟估算值（Imputations）

要虚拟估算值时，选择节点Missing Values，然后单击configure。根据所需要的数据类型选择适当的数据，然后“Apply”。



现在，当我们执行它时，带有估算值的完整数据集将在节点的输出端口“Missing Values”中准备好。在我的分析中，我选择了这些方法:

字符串（String）:最常见的值

数字(双)（Number（Double））:中值

数字(整)（Number（Integer））:中值

你可以从各种各样的虚拟估值技巧中选择:

字符串:

1. 下一个值（Next Value）


2. 之前的值（Previous Value）


3. 自定义值（Custom Value）


4. 删除行（Remove Row）

数字(双和整):

1. 平均值（Mean）


2. 中值（Median）


3. 之前的值（Previous Value）


4. 下一个值（Next Value）


5. 自定义值（Custom Value）


6. 线性插值（Linear Interpolation）


7. 移动平均线（Moving Average）

4.训练你的第一个模型

让我们来看看如何在KNIME中构建一个机器学习模型。

4.1实现线性模型

首先，我们训练一个包含数据集所有特性的线性模型，以了解如何选择特性和构建模型。

访问你的node repository，并将“Linear Regression Learner”拖到你的工作流中。然后将在“Missing Value”节点的“Output Port（输出端口）”中收集的清洗数据连接起来。



这应该是你现在的屏幕视觉。在configuration选项卡中，排除Item_Identifier，并在顶部选择目标变量。完成此任务后，需要导入Test data（测试数据）以运行你的模型。

将另一个文件阅读器拖放到你的工作流中，并从你的系统中选择测试数据。



正如我们所看到的，测试数据也包含了缺失值。我们将以与训练数据相同的方式运行“Missing Value”节点。

在我们对测试数据进行清洗之后，我们将引入一个新的节点“Regression Predictor（回归预测器）”。



通过将learner的输出与预测器的输入连接起来，将模型加载到预测器中。在预测器的第二个输入中，加载你的测试数据。
预测器会根据你的learner自动调整预测栏，你也可以手动修改它。

KNIME有能力在“Analytics”标签下训练一些非常专业的模型。比如：

1. 聚类


2. 神经网络


3. 集成学习（Ensemble Learners）


4. 朴素贝叶斯（Naïve Bayes）

5.提交你的解决方案

在你执行预测器之后，输出几乎已经准备好提交了。

在你的node repository中找到节点“Column Filter（列筛选）”，并将其拖到你的工作流中。将你的预测器的输出连接到列筛选中，并将其配置为你需要的过滤出的列。在这种情况下，你需要Item_Identifier, Outlet_Identifier和 Outlet_Sales的预测。



执行“Column Filter”，最后搜索节点“CSV Writer”，并记录下你的硬盘驱动器上的预测。



调整路径来设置你想要的.csv文件存储，并执行该节点。最后,打开.csv文件来纠正列名作为我们的解决根据。将.csv文件变为一个.zip（压缩）文件并提交你的解决方案！



这是获得的最后一个工作流图。如果想导出一个KNIME工作流，你可以：点击File ->Export KNIME Workflow



在此之后，选择需要导出的合适的工作流并单击Finish！



这将创建一个.knwf文件，你可以把它发送给任何人，只要点击一下就可以访问它了！

6.限制

KNIME是一种非常强大的开源工具，但它有自己的局限性。主要包括:

• 可视化技术并不像其他开源软件(例:RStudio)那样简洁和优雅。


• 版本更新不受支持，你将不得不重新安装软件。(例如:为了更新从版本2到版本3的KNIME，你需要一个全新的安装，而更新将无法工作)。


• 不像Python或CRAN论坛社区那么大，所以需要花很长时间才能对KNIME添加新的内容。