現時点では、分析システムを必要とする多くの企業がありますが、ほとんどの場合、このソフトウェアの高コストと過度の複雑さにより、単純で有名なExcelを優先して独自の分析システムを構築するという考えを捨てざるを得ません。また、従業員のトレーニング、高価なストレージシステムの保守などの追加費用そして、ここでオープンソースのソリューションが助けになります-それらの多くはありませんが、非常に価値のあるソフトウェアがあり、その1つはRapidMinerです。 RapidMiner（以降、単に「鉱夫」と呼びます）は、データマイニング用に作成されたツールで、鉱夫（アナリスト）は仕事中にプログラミングを行うべきではないという主な考えを持っています。同時に、ご存知のように、マイニングにはデータが必要であるため、さまざまなソース（データベース、ファイルなど）から情報を取得および処理するための幅広いタスクを解決するかなり優れた演算子セットが提供されていました。 ETLの完全なツール。

マイナー自体に加えて、マイナープロセス（スケジュールを含む）を保存および実行するためのリポジトリとして使用できるRapidMinerサーバー（以前のバージョン6までのRapidAnalytics）、ユーザー間のデータソースへの接続の「手探り」、 Webサービスとしてのマイナープロセス。

残念なことに、バージョン6では、マイナーの作成者は、このソフトウェアの販売で収益を得ることを決定し、ライセンスをAGPLからBusiness Sourceに変更しました。それにもかかわらず、AGPLのバージョン5および私たちは自由に制限なしで使用できます。したがって、記事で検討されます。また、6番目のバージョンでは、多くの新しい演算子と関数はなく（おそらく最も興味深いのはクラウドサポートです）、ほとんどのタスクにはRapidMiner 5コミュニティで十分です。

設置

少し前まで、RapidMiner 5をダウンロードするためのリンクが公式サイトから削除されていたため、githubの公式プロジェクトで取得したソースコードからRMを収集します。

リポジトリからRapidMinerを構築するには、次のものが必要です。

インストール済みのJavaおよびJDK
アパッチアリ
Gitクライアント

コンソールに行き、マイナーを置きたいディレクトリに行き、リポジトリをクローンしましょう

git clone https://github.com/rapidminer/rapidminer-5.git

次のステップでは、プロジェクトを収集します

 ant build ant release.makePlatformIndependent

今マイナーを実行します

 .\scripts\RapidMinerGUI.bat

それぞれLinux用

 ./scripts/RapidMinerGUI.sh

右の写真のように、ウィンドウが開きます。 [新しいプロセス]をクリックして先に進みます。

基本的な概念

サンプルを使用してRapidMinerを操作する基本原則を見る前に、その基本概念を少し紹介します。

プロセス

データ分析/処理に必要なタスクを実行するために、所定の順序で相互接続されたオペレーターのセット。

オペレーター

プロセスの論理ユニット。オペレーターはデータに対していくつかのアクションを実行し、入出力（いわゆる「ポート」）を持ち、データは入力に送られ、オペレーターによって処理されたデータは出力に送られます。したがって、データ処理チェーンを実行できます。たとえば、データベースからの顧客トランザクションを検討し、最大のものを見つけ、ドルに変換して結果を出すことができます。同時に、チェーンを並列化することができます-たとえば、あるデータベースではさまざまなデータベースからトランザクションを読み取り、別のデータベースでは顧客データを検索し、結合して結果を取得します（それらを同時に並行して実行することも可能です！）

プログラムインターフェイスでは、[演算子]タブは[演算子]タブに対応します。階層では、機能タブはグループ化されています。演算子を使用するには、演算子をクリックしてプロセスのワークスペースに転送する必要があります。

リポジトリ

RMプロセス用のストレージスペース。ローカルでもリモート（RapidMinerサーバー）でもかまいません。サーバー側でプロセスを実行したり、データベースプロセス/接続にマルチユーザーアクセスしたり、スケジュールに従ってプロセスを実行したり、Webサービスとしてデータを送信したりできます。

RMへのリポジトリコントリビューションでは、サンプル、DB、およびローカルリポジトリのみがここに表示されます。最初に、名前から既に明らかなように、一連のプロセス-例、DB-マイナーで使用可能な現在のデータベース接続（ツール->データベース接続の管理で定義）およびローカルリポジトリ、コンピューターに独自のプロセスを保存する場所です。

プロセスコンテキスト

コンテキストは、次の3つのセクションを表示できる[コンテキスト]タブに対応しています。

プロセス入力 - プロセスの入力に送信されるデータ。ここで、リポジトリ内のデータへのパスを指定できます。
プロセス出力 -リポジトリ内のパスが示され、プロセスの結果が保存されます。
マクロは、プロセス内のどこからでも使用できるグローバル変数です。値として文字列または数字のみを使用できます。

プロセス入力とプロセス出力は 、碑文inpとresを使用して、プロセスの境界に沿ったプロセス内の円で示されることに注意してください。入力からのデータを使用または保存するには、対応する円を演算子の入力/出力に接続する必要があります。

最良のトレーニングは実践です。小さなプロセスを作成してみましょう。このプロセスに基づいて、鉱山労働者との共同作業の基本原則を確認します。

小さなタスク

あなたは、ウェブサイトの開発、工業デザインなどに関わる小さな会社のディレクターです。 多くの場合、注文が多く従業員がいないため、さまざまな国のフリーランサーを雇い（世界中のクライアントとして）、契約者の名前、仕事の種類、支払い日、支払い金額、支払い通貨を示すExcelプレートで行われた作業に関する情報を定期的に入力します。ある時点で、特定の日付で作業の種類ごとに発生したコストをルーブル（CBレートごと）で取得したかった（より興味深いケースは、月ごとの内訳であり、従業員は独自の実験を行う必要がある）。

最初に行うことは、ExcelファイルをCSV形式で保存し、RapidMinerで読み取るために開くことです。これを行うには、 CSV読み取り演算子（インポート->データ-> CSV読み取り）を使用して、プロセスのワークスペースにドラッグします。次に、それをクリックして、右側のオペレーター設定を確認します。開いているパパアイコンをクリックします

、ダイアログボックスで必要なファイルを選択します（例で使用されているCSVはリンクからダウンロードできます）

押されたボタンに注意してください

-エキスパートモード。通常、ほとんど常に必要であり、斜体でマークされている演算子の追加パラメーターが含まれています。

右側の図のようにパラメーターを設定し、 下のデータセットのメタデータ情報の右側にある編集リストをクリックします。 下の写真のようにすべてを公開します

ここで推測できるように、列の名前を入力します。解析結果、型、および役割から列を除外または含めるためにチェックマークが付けられています。マイニングでは属性以外の役割が必要になる場合がありますが、通常の場合、通常は必要ありません。

[ 適用]をクリックして、次の手順に進みます。 フィルターの例演算子（データ変換->フィルタリング）を追加し、その入力をRead CSV出力に接続し、出力を円と碑文resでプロセス出力に接続します。この写真が届きます

追加された演算子を使用して、指定された日付のレコードのみを選択し、それをプロセスマクロとして宣言します。プロセスの「 コンテキスト」タブに移動し、「 マクロ」セクションを見つけてクリックします

。 [ マクロ ]列には日付を、[ 値]には目的の日付を記入し、2012年6月30日とします。

そのため、このステップの「 コンテキスト」タブは右側の画像のようになります。マクロ（リコール、つまりグローバル変数）を定義し、それを使用してCSVshnichkaから日付でレコードをフィルター処理します。 [ フィルターの例]演算子をクリックし、 条件クラス attribute_value_filterで選択して、 パラメーター文字列 date =％{date}に書き込みます。左側にはフィルタリングを実行する列の名前を示し、中央には等価性をチェックする操作を示し、右側にはマクロから値を取得します。

何が起こったのか見てみましょう。プロセス開始ボタンをクリックします

マイナーが結果パースペクティブに切り替えます（これが発生しなかった場合は、

）2012年7月30日現在、フィルタリングされたデータが表示されます。

最初の結果が得られましたが、ロシア連邦中央銀行のレートでルーブルのコストを見たいです。をクリックしてデザインパースペクティブに切り替えます

ファイルを開く演算子を追加します（ユーティリティ->ファイル->ファイルを開く）。それをクリックして、以下の設定を設定します

URL： http ://www.cbr.ru/scripts/XML_daily.asp?date_req =%{ date }
operatorパラメーターでマクロを置換したことに注意してください。

データを取得しますが、何かをExampleSetに変換する必要があります -つまりデータ付きのテーブル。最初のケースでは、 CSVの読み取りがこの役割を実行しましたが、今では推測するのが難しくないため、 XMLの読み取り （インポート->データ-> XMLの読み取り）を使用します。演算子を引き出し、その入力をファイルを開く演算子の出力に接続し、次の設定を行います（xpathに問題がある場合は、インポート構成ウィザードをクリックしてインポートウィザードを使用します）。

解析番号にチェックマークが付いており、整数部分と小数部分を区切るためにコンマが設定されていることに注意してください。

ExampleSetに対してRapidMinerがどの属性を使用するかを決定する必要があります。属性のxpath の右側にある[ 列挙の 編集]をクリックし、 2つのエントリを追加します

値[1] /テキスト（） -通貨単位のルーブル単位の値
CharCode [1] / text（） -文字の通貨コード

次に、属性の値タイプを設定する必要があります。これを行うには、 データセットのメタデータ情報の右側にある編集リストをクリックし、下の図のように設定します

この段階では、次のようなプロセスが必要です

通貨を日付フィルターデータに変換するときが来ました。このため、ご想像のとおり、引用符とデータを何らかの方法で組み合わせる必要があります。結合演算子（データ変換->操作の設定->結合）がこれに役立ちます。次の操作を行います。プロセスの出力に現在接続されているFilter examples演算子の出力を取得し、 Join演算子に接続します。ReadXML演算子でも同じことを行います。

次に、結合演算子をクリックして、データのマージ方法を決定します。 キーとしてuse id属性のチェックを外します。通貨フィールドで結合しているため、新しいキー属性パラメーターが表示されます。左側の[ 編集 ] リストをクリックし、[ エントリの追加 ]ダイアログで両方のフィールドに通貨を入力します-currency 。変更を保存します。ボタンをクリックすることで、上で行われた方法と同様に、何が起こったかを見ることができます

。結果は次のようになります

私たちは大切な目標に近づいています-私たちが仕事にどれくらいルーブルで費やしたかを知ることです。最後のタッチ、実際には変換そのものがありました。属性の生成演算子（データ変換->属性セットの削減と変換->生成）をプロセスに追加し、その入力をJoin演算子の出力に接続します。その最初の出力はexp （短縮形ExampleSet ）でプロセスの出力に書き込まれます。演算子の名前から明らかなように、彼のタスクは新しい属性を追加することです。そのためには、演算子をクリックし、 編集リストの設定の右側で、 関数の説明の反対のボタンをクリックします。属性に名前を付けて、その読み方を見てみましょう。

変更を保存してプロセスを実行します、結果

やった！これは、支払日に中央銀行のレートで発生した、大切なルーブルのコストの数値です。たとえば、仕事、アーティスト、または日付の種類ごとにグループ化して、1か月間の情報を描画するなど、このタスクを非常に遠くまで開発できます。一般的に、想像の範囲。

RapidMinerの概要

設置