KNIMEで分析を始めよう
今回から、オープンソースのデータ分析ソフト「KNIME（ナイム）」を使いながら、データ分析の手順を具体的に解説します。本講座の画面を追うだけでもイメージがつかめるはずですが、実際に操作しながら読み進めればより理解が進みます。KNIMEは無料で利用できますから、じっくり試したい方はぜひダウンロードしてみてください（ダウンロード方法は後述）。 KNIMEは、ドイツのコンスタンツ大学で作られたデータ分析用ソフトです。グラフィカルな部品をマウス操作で組み合わせることで、データ分析の一連の流れを実行できます。現時点で日本語版はないためメニューなどの表記は英語版ですが、日本語のデータは問題なく扱えます。 本講座の第1回で解説した「CRISP-DM」に沿って、KNIMEをどう使うか見ていきましょう。 1.ビジネスの理解 このプロセスではKNIMEは使いません。担当者が集まってビジネスの情報や業務知識を整
無料ツールで始めるデータ分析入門
事業拡大や業務効率化に本当に役立つデータ分析の方法を、初心者にも分かりやすいように解説します。第1回でデータ分析の全体像を取り上げ、第2回以降はデータ分析ソフト「KNIME」を使いながら具体的な手順を説明します。 第1回 「業務のプロ」がデータ分析をすべき理由 教科書通りに分析を進めてもうまくいかない 事業拡大や業務効率化に本当に役立つデータ分析の方法を、初心者にも分かりやすいように解説します。第1回でデータ分析の全体像を取り上げ、第2回以降はデータ分析ソフト「KNIME」を使いながら具体的な手順を説明します。 2019.12.02 第2回 KNIMEで分析を始めよう インストールしてデータを読み込む 今回から、オープンソースのデータ分析ソフト「KNIME（ナイム）」を使いながら、データ分析の手順を具体的に解説します。まずはソフトをインストールし、データを読み込んでみましょう。 2019.
RapidMiner vs KNIME ～市民データサイエンティストに向いているのはどっち？～ ｜ ブログ ｜ 株式会社KSKアナリティクス
皆さんこんにちは。 KSKアナリティクスの北野です。 このブログをご覧になっている方は、RapidMinerについて既によくご存知かと思います。 では、KNIME(ナイム)という名前を聞いたことはあるでしょうか？ KNIMEは、RapidMinerと同じく、データ分析をドラッグアンドドロップで行うツールです。 言ってみれば、RapidMinerのライバルにあたる製品です。 RapidMinerのライバルならば調査せねば！ということで、 今日はRapidMinerとKNIMEを比較してみたいと思います。 RapidMinerとKNIME まずRapidMinerとKNIMEを簡単にご紹介いたします。 RapidMiner（ラピッドマイナー）はプログラムの知識がなくても、データサイエンティストが行うような高度な分析業務をドラッグ&ドロップの簡単な操作で行うことができる、世界中で使われている機械
KNIME（インフォコム）
KNIME（KNIME Analytics Platform）は ワークフロー型データ分析プラットフォームを提供する、 無償のオープンソースソフトウェア です。 データの前処理や機械学習を活用した分析ワークフローを ノーコードで構築でき、様々な業務でご利用いただけます。 世界50カ国以上の大手企業で採用されている KNIME の3つの特長 制限なく すべての機能を 無償で利用可能 KNIME Analytics Platformは、すべての機能を無償でご利用いただくことができます。扱えるデータ容量などに制限はありません。 ライセンスやコストを気にせず、気軽にデータ分析をお試しいただけます。 4,000を超える分析ノードや サンプルワークフローにより データ分析をサポート 現時点で4,000を超える機能が提供されており、日々その数は増えています。 各種業務のサンプルワークフローも提供しており
DTW(Dynamic Time Warping)動的時間伸縮法 – S-Analysis
前回「時系列データの評価方法」について解説しました。 時系列データの向け、時系列同士の類似度を測る際にDTWという手法があります。今回の記事はDTW(Dynamic Time Warping)/動的時間伸縮法について解説したいと思います。 目次1. DTWの概要 ___1.1 DTW(Dynamic Time Warping)/動的時間伸縮法とは ___1.2 DTWの計算 2. tslearn.clusteringの説明 ___2.1 tslearn.clusteringのクラス ___2.2 パラメタの説明 3. 実験 ___3.1 データ理解 ___3.2 EuclideanとDTWのk-meansクラスター ___3.3 可視化 4. まとめ 1. DTWの概要1.1 DTW(Dynamic Time Warping)/動的時間伸縮法とはDTWとは時系列データ同士の距離・類似
データサイエンス概論第一 5 時系列データの解析
九州大学大学院システム情報科学研究院「データサイエンス実践特別講座」が贈る，数理・情報系『でない』学生さんのための「データサイエンス講義
時系列分析「使ってみたくなる統計」シリーズ第5回 | ビッグデータマガジンビッグデータマガジン
こんにちは。ビッグデータマガジンの廣野です。「使ってみたくなる統計」シリーズ、第5回目は時系列データの分析です。 今回のテーマである時系列データの分析ですが、どんなデータに対しても使える手法ではありません。これまでに学んだ「相関分析」や「クラスター分析」なども、それぞれに分析手法を適用できるデータには制限がありましたが、時系列データの分析では“時間の経過に沿って記録された”データが対象になります。 「それって、どんなデータもそうなんじゃないの？」と思った方は、チャンスです。ぜひこの記事を最初から読んでいただき、時系列データそのものの理解から始めてください。 時系列データの分析手法はたくさん存在し、エクセル上で四則演算するだけのものから、複雑な多変量解析まで様々です。奥深い時系列データ分析の世界の中でも、前編である今回は基礎的なことについてご紹介したいと思います。 ■そもそも時系列データとは
二つの時系列データの間に「差」があるか判断するには - StatModeling Memorandum
詳しい経緯はこのまとめを参照してください。時間軸でぶった切って各時点で検定を使う手法は、百歩譲って「差があるかどうか」は判定できるかもしれないけど、「どれほど異なるのか」については何も言えない。「どの時刻から異なるか」についても言えるか分からない。そこでベイズ統計モデリングで判断しようと思います。ベイズ統計モデリングでは多くの事前知識を仮定としてモデルに組み込みますが、検定も多くの仮定を前提にしている点は同様と思います。 データは雰囲気だけ似せて自作しました。野生型100個体、変異体10個体で1～24まで1時間ずつ測定して24時点としました。まとめを見ると144時間みたいですが24時間に簡略化します。データの構成は以下です。 typeX1X2…X23X2400.0710.555…-0.236-0.59700.4450.483…-0.1490.23100.2250.764…-0.116-0.
1
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
機械学習プラットフォーム「RapidMiner（ラピッドマイナー）」 | RapidMiner（ラピッドマイナー）は機械学習プラットフォームです。データ可視化、データ加工、モデル作成、評価、運用までを一つのプラットフォームで行うことができます。KSKアナリティクスはRapidMinerの正規販売代理店です。
https://www.e-bridge.jp/eb/tcontents/yasasikunai-k/index.html