Knime 简明教程

从 KNIME 官方网站下载二进制安装。双击下载的 dmg 文件以开始安装。当安装完成后，只需将 KNIME 图标拖到应用程序文件夹中，如下所示 −

对我们来说，最重要的视图是 Workspace 视图。这就是你创建机器学习模型的地方。工作空间视图在下面的屏幕截图中突出显示 -

屏幕截图显示了一个打开的工作空间。你很快就会学会如何打开现有工作空间。

每个工作空间包含一个或多个节点。你将在本教程的后面部分了解这些节点的重要性。这些节点通过箭头连接。通常，程序流是从左到右定义的，尽管这不是必需的。你可以在工作空间中的任何位置自由移动每个节点。两个之间的连接线会适当地移动以保持节点之间的连接。你可以在任何时候添加/删除节点之间的连接。对于每个节点，可以选择添加一小段描述。

工作空间视图可能无法一次向你显示整个工作流。这就是提供了轮廓视图的原因。

轮廓视图显示整个工作空间的微型视图。此视图中有一个缩放窗口，你可以将其滑动以查看 Workspace 视图中工作流的不同部分。

这是工作台中下一个重要的视图。节点存储库列出可用于你的分析的各种节点。整个存储库根据节点功能进行了很好的分类。你会发现如下类别 -

在每个类别下，你会发现几个选项。只需展开每个类别视图即可查看你拥有的内容。在 IO 类别下，你会找到以各种文件格式（如 ARFF、CSV、PMML、XLS 等）读取数据的节点。

根据你的输入源数据格式，你将选择相应的节点来读取你的数据集。

到目前为止，你可能已经理解了节点的目的。节点定义了你可以在工作流中以可视方式包含的特定功能。

Analytics 节点定义了各种机器学习算法，例如贝叶斯、聚类、决策树、集成学习等等。

这些不同的 ML 算法的实现都在这些节点中提供。要在你的分析中应用任何算法，只需从存储库中选取所需的节点并将其添加到你的工作空间即可。将 Data reader 节点的输出连接到此 ML 节点的输入，然后你的工作流就创建好了。

我们建议您浏览存储库中提供/可用的各种节点。

工作台中下一个重要的视图是 Explorer 视图，如下面的截图所示 −

前两个类别列出了在 KNIME 服务器上定义的工作空间。第三个选项 LOCAL 用于存储您在本地计算机上创建的所有工作空间。尝试展开这些选项卡以查看各种预定义的工作空间。特别是展开 EXAMPLES 选项卡。

KNIME 提供了多个示例，可帮助您入门该平台。在下一章中，您将使用其中一个示例来熟悉该平台。

顾名思义， Console 视图在执行工作流时提供了各种控制台消息的视图。

Console 视图有助于诊断工作流和检查分析结果。

我们立即需要关心的最后一个重要视图是 Description 视图。此视图提供了工作空间中所选项目的描述。典型的视图如下图所示 −

上图显示了 File Reader 节点的描述。当您选择工作空间中的 File Reader 节点时，您将在该视图中看到其描述。单击任何其他节点将显示所选节点的描述。因此，在学习的初始阶段，当您不确切了解工作空间中各个节点的目的和/或节点存储库时，此视图非常有用。

除了上述视图外，工作台还有其他视图，如工具栏。工具栏包含各种图标，可以快速执行操作。这些图标会根据上下文启用/禁用。您可以将鼠标悬停在图标上，以查看每个图标执行的操作。以下屏幕显示了 Configure 图标执行的操作。

到目前为止，您看到的各种视图可以轻松打开/关闭。单击视图中的关闭图标，将 close 该视图。要恢复视图，请转到 View 菜单选项并选择所需视图。选定的视图将添加到工作台。

现在，当您熟悉工作台后，我将向您展示如何运行工作流并研究它执行的分析。

在 KNIME 浏览器中找到以下工作流程 −

您也可以在下面的屏幕截图中进行快速参考 −

双击选定的项目以打开工作流。观察工作区视图。您将看到包含多个节点的工作流。此工作流程的目的是从 UCI 机器学习存储库中获取的成人数据集的民主属性中预测收入组。此机器学习模型的任务是将特定区域中收入高于或低于 5 万美元的人归类。

Workspace 视图及其实例如下图所示 −

注意从 Nodes 存储库中选取的几个节点，并通过箭头连接到工作流中。连接表示一个节点的输出馈送到下一个节点的输入中。在我们了解工作流中每个节点的功能之前，让我们首先执行整个工作流。

在了解工作流程的执行之前，了解每个节点的状态报告非常重要。检查工作流中的任何节点。在每个节点的底部，您会找到一个包含三个圆圈的状态指示器。决策树学习器节点如下图所示 −

状态指示器为红色，表示此节点到目前为止尚未执行。在执行期间，黄色的中心圆圈将亮起。在执行成功后，最后一个圆圈变为绿色。还有更多指标可以让您在出现错误的情况下获取状态信息。当处理中出现错误时，您将了解这些指标。

请注意，当前所有节点上的指示器均显示为红色，表示到目前为止还没有任何节点执行。要运行所有节点，请单击以下菜单项：

过一会儿，你会发现每个节点状态指示器现已变为绿色，表示没有错误。

在下一章中，我们将探讨工作流中各个节点的功能。

文件读取器节点在下图中显示：

窗口顶部有一些由工作流创建者提供的说明。它告诉这个节点读取成人数据集。文件名称为 adult.csv ，从节点符号下的说明中可以看到。 File Reader 有两个输出 - 一个转到 Color Manager 节点，另一个转到 Statistics 节点。

如果你右键单击 File Manager ，将弹出一个菜单，如下所示：

Configure 菜单选项允许节点配置。 Execute 菜单运行节点。请注意，如果节点已经运行并且处于绿色状态，则此菜单将被禁用。此外，还请注意 Edit Note Description 菜单选项的存在。这允许你为你的节点编写说明。

现在，选择 Configure 菜单选项，它将显示一个包含 adult.csv 文件数据并如图所示的屏幕截图 −

当执行此节点时，数据将加载到内存中。整个数据加载程序代码都对用户隐藏。你现在可以欣赏这些节点的有用性——无需编码。

我们的下一个节点是 Color Manager 。

选择 Color Manager 节点，并通过右键单击进入其配置。将显示颜色设置对话框。从下拉列表中选择 income 列。

你的屏幕将类似于下面 −

请注意是否存在两个约束。如果收入低于 50K，则数据点将获得绿色，如果收入较高，则将其变为红色。当我们在本章后面查看散点图时，你将看到数据点映射。

在机器学习中，我们通常将所有可用数据分成两部分。较大的一部分用于训练模型，而较小的一部分用于测试。有不同的策略用于对数据进行分区。

要定义所需的划分，请右键单击 Partitioning 节点并选择 Configure 选项。你将看到以下屏幕 −

在这种情况下，系统建模器使用了 Relative (%) 模式，并且数据以 80:20 的比例进行分割。在进行分割时，将随机拾取数据点。这确保你的测试数据不会有偏差。对于线性采样，剩余的 20% 用于测试的数据可能无法正确表示训练数据，因为它在收集过程中可能完全偏向。

如果你确定在数据收集期间确保了随机性，那么你可以选择线性采样。一旦数据准备好用于训练模型，请输入下一个节点，即 Decision Tree Learner 。

顾名思义， Decision Tree Learner 节点使用训练数据并构建模型。查看此节点的配置设置，如下图所示 −

正如你所看到的， Class 是 income 。因此，树将基于收入列构建，而这是我们在此模型中要达到的目标。我们需要将收入高于或低于 50K 的人分离。

此节点成功运行后，你的模型将准备好进行测试。

决策树预测器节点将开发的模型应用于测试数据集并附加模型预测。

预测器的输出馈送到两个不同的节点 - Scorer 和 Scatter Plot 。接下来，我们将检查预测的输出。

此节点生成 confusion matrix 。要查看它，请右键单击该节点。你将看到以下弹出菜单 −

单击 View: Confusion Matrix 菜单选项，矩阵将如图所示在单独的窗口中弹出 −

它表示我们开发的模型的准确性为 83.71%。如果你对此不满意，你可以尝试使用其他参数进行模型构建，特别是，你可能想要重新查看并清理你的数据。

要查看数据分布的散点图，请右键单击 Scatter Plot 节点并选择菜单选项 Interactive View: Scatter Plot 。你将看到以下绘图 −

该图给出了基于 50K 阈值的两种不同颜色的点（红色和蓝色）的不同收入人群的分布。这些是我们 Color Manager 节点中设置的颜色。分布相对于在 x 轴上绘制的年龄。你可以通过更改节点的配置为 x 轴选择不同的特征。

配置对话框显示在这里，我们在其中选择 marital-status 作为 x 轴的特征。

这完成了我们对 KNIME 提供的预定义模型的讨论。我们建议你在模型中学习其他两个节点（统计和交互式表格）。

现在让我们继续本教程中最重要的部分——创建你自己的模型。

要在 KNIME 工作台中创建一个新工作流，选择以下菜单选项。

您将看到以下屏幕：

选择 New KNIME Workflow 选项，然后单击 Next 按钮。在下一个屏幕上，系统会要求您输入工作流的所需名称和保存它的目标文件夹。根据需要输入此信息，然后单击 Finish 以创建一个新的工作区。

将带给定名称的新工作空间添加到 Workspace 视图中，如下所示 −

你现在将添加此工作空间中的各个节点以创建模型。在添加节点之前，必须下载和准备 iris 数据集以供我们使用。

从 UCI 机器学习仓库网站 Download Iris Dataset 下载鸢尾花数据集。下载的 iris.data 文件为 CSV 格式。我们将做一些更改以添加列名称。

在喜欢的文本编辑器中打开下载的文件，并在开头添加以下行。

当我们的 File Reader 节点读取此文件时，它将自动将上述字段作为列名称。

现在，你将开始添加各个节点。

转到 Node Repository 视图，在搜索框中输入“文件”以找到 File Reader 节点。这在下图中可见 −

选择 File Reader 并双击，将节点添加到工作空间。或者，你可以使用拖放功能将节点添加到工作空间。添加节点后，你将需要对其进行配置。右键单击节点并选择 Configure 菜单选项。你已经在前面的课程中这么做过。

在加载数据文件后，设置屏幕如下所示。

要加载数据集，请单击 Browse 按钮并选择 iris.data 文件的位置。节点将加载文件内容，这些内容显示在配置框的下部分中。一旦你确认数据文件已正确定位并加载，请单击 OK 按钮以关闭配置对话框。

现在你将向此节点添加一些注释。右键单击节点并选择 New Workflow Annotation 菜单选项。屏幕上将出现一个注释框，如下图所示：

单击该框内并添加以下注释 −

单击该框外的任意位置以退出编辑模式。根据需要调整大小并将框放置在节点周围。最后，双击节点下方的 Node 1 文本来将此字符串更改为以下内容 −

此时，屏幕将如下所示 −

现在我们将添加一个新节点，将加载的数据集分区为训练和测试。

在 Node Repository 搜索窗口中，键入几个字符以找到 Partitioning 节点，如下面的屏幕截图所示 −

将节点添加到我们的工作空间。将配置设置为以下内容 −

以下屏幕截图显示了配置参数。

接下来，在两个节点之间建立连接。为此，请单击 File Reader 节点的输出，保持鼠标按钮单击，将出现一根橡皮筋线，将其拖动到 Partitioning 节点的输入，松开鼠标按钮。现在就在两个节点之间建立了连接。

添加注释，更改说明，按需要放置节点和注释视图。此时您的屏幕应如下 -

接下来，我们将添加 k-Means 节点。

从资源库中选择 k-Means 节点并将其添加到工作区。如果您想要复习有关 k-Means 算法的知识，只需在工作台的说明视图中查找其说明即可。这在下面的屏幕截图中有所展示 -

顺便提一下，在最后决定使用哪种算法之前，您可以在说明窗口中查找不同算法的说明。

打开节点的配置对话框。我们将使用以下所示字段的所有默认值 -

单击 OK 接受默认值并关闭对话框。

将注释和说明设为以下内容 -

将 Partitioning 节点的顶部输出连接到 k-Means 节点的输入。重新定位您的项目，您的屏幕应如下 -

接下来，我们将添加一个 Cluster Assigner 节点。

Cluster Assigner 为现有原型集分配新数据。它需要两个输入 - 原型模型和包含输入数据的资料表。在说明窗口中查找节点的说明，该说明在下方的屏幕截图中有所描述 -

因此，对于此节点，您必须建立两个连接 -

这两个连接在下方的屏幕截图中有所展示 -

Cluster Assigner 不需要任何特殊配置。只需接受默认值即可。

现在，向此节点添加一些注释和说明。重新排列您的节点。您的屏幕应如下 -

至此，我们的集群完成。我们需要以图表方式可视化输出。为此，我们将添加一个散点图。我们将在散点图中为三个类别分别设置颜色和形状。因此，我们首先将 k-Means 节点的输出通过 Color Manager 节点再通过 Shape Manager 节点进行过滤。

在资源库中查找 Color Manager 节点。将其添加到工作区。保留其默认配置。请注意，您必须打开配置对话框并点按 OK 才能接受默认值。为节点设置说明文本。

从 k-Means 的输出到 Color Manager 的输入建立一个连接。此时您的屏幕应如下 -

在存储库中找到 Shape Manager 并将其添加到工作区。将其配置保留为默认值。与前一个类似，您必须打开配置对话框并点击 OK 以设置默认值。从 Color Manager 的输出到 Shape Manager 的输入建立连接。设置该节点的描述。

您的屏幕应如下所示 −

现在，您将添加此模型中的最后一个节点：散点图。

在存储库中找到“散点图”节点并将其添加到工作区。将 Shape Manager 的输出连接到 Scatter Plot 的输入。将配置保留为默认值。设置描述。

最后，向最近添加的三个节点添加一个组注释

注释：可视化

根据需要重新定位这些节点。在这一阶段，您的屏幕应如下所示。

这完成了模型构建任务。

您学习了 KNIME 工作台中提供的各种视图。KNIME 提供了多个预定义的工作流供您学习。我们使用其中一个工作流来了解 KNIME 的功能。KNIME 提供了多个预先编程的节点，用于读取各种格式的数据、使用多个 ML 算法分析数据，并最终以多种不同的方式将数据可视化。到教程的末尾，您从头开始创建了自己的模型。我们使用众所周知的 iris 数据集，使用 k 均值算法对植物进行分类。

您现在已准备好使用这些技术进行您自己的分析。

如果您是开发人员，并且想要在您的编程应用程序中使用 KNIME 组件，您会很高兴得知 KNIME 本机集成了广泛的编程语言，例如 Java、R、Python 和许多其他语言。