KNIME 中文视频以及相关作者介绍
你所能找到的 KNIME 中文视频,都在这儿了。✌️✌️
提示
欢迎关注微信公众号及时获取最新更新。
播放次数截止 2023/04/09, 共 463 条视频。
注1: "分类列" 带有主观性质,且大多数工作流会使用多个节点,"分类列"信息仅供参考。
注2: 因为表比较宽,包含了创建时间、视频时长、播放次数、分类、标题、作者、描述信息,所以手机查看表时需要横向滑动,不甚方便。推荐使用电脑搜索、查看。
KNIME 入门
- 赵老师[b站昵称:不编程亦分析]: 众多人看着赵老师的视频入门 KNIME,新手福音。致力推广普及 KNIME,让更多人听懂会用。微信:zhaoyongji6757
- Kevin[b站昵称: 卖荔枝的蜗牛]: 不生产视频,只是视频的搬运工。为方便国内爱好者学习,将视频从 YouTube 搬移到 b 站,辛苦!微信:keepkeeprun999
KNIME 入门 视频列表
创建时间 | 视频时长 | 播放次数 | 分类 | 标题 | 作者 | 描述 |
---|---|---|---|---|---|---|
2022-05-16 | 02:26 | 572 | 软件安装, 工作流管理 | KNIME 软件安装及工作流管理 | 不编程亦分析 | 下载软件之后,基本上一路点击下一步,1)中间有一部输入该软件可用内存大小,软件默认内存75%左右,使用默认即可 2)首次启动软件后,需要指定一个工作流空间,也就是以后新建工作流的保存地方work space 3)后续为了方便管理各个新建工作流,,在Explorer新建工作流组(workflow group),相当于可在上述存储路径下,新增一个子文件夹 |
2022-05-16 | 04:03 | 938 | 界面操作 | KNIME 软件界面简介 | 不编程亦分析 | 本节主要针对KNIEM各个界面,分别介绍,更多详细图文的介绍,请参看我之前的文章 https://www.toutiao.com/article/6836001176551424516/ |
2022-05-16 | 01:07 | 779 | 文件读写 | KNIME 软件下载教程 | 不编程亦分析 | 一款优秀的数据处理,分析,建模的免费软件,由于是英文,且下载过程中出现信息填写(是可以跳过不用填写的),部分人可能不知道如何下载。1、到www.KNIME.com 官网下载,按照视频步骤,有一个信息填写的页面,跳过即可(不需要填写)2、选择不同平台的软件,window选择第一个下载即可 |
2022-05-17 | 03:03 | 1163 | 文件读写, 表操作 | CSV文件合并方法1(超简单) | 不编程亦分析 | 按照操作,在图像化的1个节点设置即可完成,恐怕没有比这更简单的文件合并方法了。人人皆可 |
2022-05-17 | 02:04 | 233 | 文件读写 | KNIME文件合并与拆分 | 不编程亦分析 | 不需要任何编程基础或其他前提,根据以往职场碰到较多的场景,,归纳总结一些场景,选择你感兴趣的内容,属于拿来就用型。“唯一的前提是安装KNIME, 导入工作流即可,修改输入,输出,以及其他关键地方即可” |
2022-05-18 | 10:36 | 1897 | 组件 | KNIME基础概念 | 不编程亦分析 | 1、节点库中一个个方块即为节点(node),相当于实现一个功能的函数,有输入或输出等不同端口,最常用的是数据端口 2、一个个节点连接起来,实现一系列的处理即为工作流(workflow)。工作流可以导入或导出,分享给其他人. 第一次真人录制,还不熟练,请多包涵 |
2022-05-19 | 10:33 | 853 | 组件 | 新建工作流 | 不编程亦分析 | 在KNIME中新增工作流,相当于编程的第一个Hello World |
2022-05-19 | 03:00 | 554 | 文件读写 | CSV文件快速合并 【方法2】 | 不编程亦分析 | 本专题属于拿来就用型,针对无任何基础,急需解决问题的人。1、本讲工作流下载地址:https://pan.baidu.com/s/1YPzZywjVBH4o6bzvs5PC7w?pwd=3897 2、打开KNIME,导入本示例即可。导入方法:File->import KNIME workflow, 具体可参考我入门教程【05-新建工作流】只讲解每个节点实现什么功能,只需要在我提示的地方,修改输入,输出路径,在最后节,点右键,执行即可【Excute】 |
2022-05-20 | 06:42 | 220 | 表操作, Excel, 案例 | N文件N表合并(Excel) | 不编程亦分析 | 针对N个Excel文件N表 尽快快速合并 1、【终极大法】,Excel文档合并,同时获取文件名,工作表名(sheet) 2、使用方法:导入我分享的工作流,修改输入输出路径,最后一个节点执行即可得到结果 3、工作流下载:链接:https://pan.baidu.com/s/1Ac09UpgdakjxT9wnjDbVFA?pwd=3894 主要为拿来用型,无需任何基础,如果想更多学习此KNIME 软件,请关注我的另外一个【快速入门】的基础教程 |
2022-05-20 | 05:30 | 501 | 文件读写 | CSV文件合并方法2 【改进版】 | 不编程亦分析 | 【无需任何基础】请导入我的工作流,修改输入输出路径,最后一个节点执行即可得到结果 工作流下载:链接:https://pan.baidu.com/s/1QDi6bYgoG017ExOxyUBeUQ?pwd=3891 如果想学此KNIME 软件,请关注我的另外一个【快速入门】的基础教程 |
2022-05-20 | 06:29 | 288 | Excel, 表操作 | N个文件1表(Excel)合并 | 不编程亦分析 | 类型1:N个Excel文件,每个文件内仅1个工作表 根据场景选择不同的方法。第一张方法,只需要三步,鼠标点击几下即可完成【无需任何基础】导入我的工作流,修改输入输出路径,最后一个节点执行即可得到结果 |
2022-05-20 | 05:00 | 258 | Excel | 文件N表合并(Excel) | 不编程亦分析 | 1、1文件N表,例如每个sheet都是各月月份命名的文件,除了合并数据外,还希望得到sheet名 2、使用方法:导入我分享的工作流,修改输入输出路径,最后一个节点执行即可得到结果 3、工作流以及数据下载:链接:https://pan.baidu.com/s/1fZhEwFdvPP5lteyn_-1PgA?pwd=3891 如果想学此KNIME 软件,请关注我的另外一个【快速入门】的基础教程 |
2022-05-21 | 11:30 | 326 | Excel, 组件 | N文件N表合并(Excel)改进版 | 不编程亦分析 | N文件N表---改进版 新增针对非标准格式数据,如何修改参数,跟着我操作即可。1、【终极大法】,Excel文档合并,同时获取文件名,工作表名(sheet),2、使用方法:导入我分享的工作流,修改输入输出路径,最后一个节点执行即可得到结果 3、工作流下载:链接:https://pan.baidu.com/s/1AIOIAAiHI9ctc1cF6hZt6g?pwd=6890 属于拿来用型,无需任何基础,如果想更多学习此 KNIME 软件,请关注我的另外一个【快速入门】的基础教程 |
2022-05-22 | 07:08 | 487 | 文件读写, Excel, CSV | 不同格式多文件合并.多文件不同格式合并 | 不编程亦分析 | 09-多文件不同格式合并. 当你碰到CSV,Excel,txt文件,结构是相同的,如何才能不修改格式情况下,快速合并,跟着我操作即可。无需任何基础,如果想更多学习此KNIME 软件,请关注我的另外一个【快速入门】的基础教程 |
2022-05-23 | 05:53 | 246 | 表操作 | 多个文件左右合并 | 不编程亦分析 | 针对不同结构的多个文件,使用JOIN进行横向合并。再也不用VLOOKUP了。(这个join节点非常非常重要)注意,可以鼠标点击,选择多个匹配列,也可自由选择返回列(默认返回匹配表中所有行)如果想更多学习此KNIME 软件,请关注我的另外一个【快速入门】的基础教程 |
2022-05-24 | 06:15 | 313 | 表操作 | 按组自动拆分N个文件 | 不编程亦分析 | 按组自动拆分,比如一列【部门】有多个值,如财务部,业务部等等,自动拆分为财务部.xlsx,业务部.xlsx等等,【若需示例文件请留言,或关注后私信我】不需任何基础,只为解决,怎么做。使用方法:导入示例,按照视频指引,修改几个地方即可随时使用。如果想更多学习此KNIME 软件,请关注我的另外一个【快速入门】的基础教程 |
2022-05-27 | 05:23 | 267 | 行操作 | 按行自动拆分N份文件 | 不编程亦分析 | 12-你不需要知道里面使用的循环是什么,只要按照视频中说的3个地方设置就能得到结果 若需示例,请留言或私信我 |
2022-05-27 | 02:57 | 315 | 组件 | 按组分拆 图形化界面版本【小白专用】 | 不编程亦分析 | 13、针对按组拆分做了一个图形化界面,鼠标点击设置3个参数即可。任何新手导入示例,按照视频操作即可。示例上传Q群,详见主页公告如果还有比我这个操作更简单的,请告诉我,让我也学习下。 |
2022-05-28 | 02:14 | 160 | 表操作 | 按行分拆 图形化界面版本【小白专用】 | 不编程亦分析 | 14、针对按行数拆分做了一个图形化界面,通过此处设置3个参数即可。1-输入文件路径 2保存文件路径 3-N行(每N行切分为一个文件)导入示例即可,如果还有比我这个操作更简单的,请告诉我,让我也学习下 请多多支持,若需要示例可私信或留言 |
2022-05-30 | 06:01 | 311 | 表操作 | 自动拆分为1个文件【多个工作表】 | 不编程亦分析 | 1、按组自动拆分,比如一列【部门】有多个值,如财务部,业务部等等,自动拆分为多个sheet表,与第11讲工作流完全相同,但节点参数设置不同,2、若需示例文件请留言,或关注后私信我 3、不需任何基础,只为解决,怎么做。使用方法:导入示例,按照视频指引,修改几个地方即可随时使用。如果想更多学习此KNIME 软件,请关注我的另外一个【快速入门】的基础教程 |
2022-06-01 | 03:41 | 778 | 组件 | KNIME各模块功能简介(上) | 不编程亦分析 | KNIME各模块简介,共计13个模块,概述每个模块的功能 |
2022-06-02 | 05:32 | 765 | 组件 | KNIME各模块功能简介(下) | 不编程亦分析 | KNIME各模块简介,共计13个模块,总结初学者应该侧重的模块和重点 |
2022-06-03 | 08:00 | 887 | 案例, 表操作, 文件读写, 组件, 流变量 | 自动化重复性数据分析工作 | 不编程亦分析 | 07-如何自动化重复性工作 1)以1个工作中的实际案例,阐述如何将你的数据处理流程化,参数化,以便更自动化的处理和分析数据。2)只要数据结构不变(行数增加不影响),修改文件读入,重新执行即可得到结果,3)后面多个视频以此案例展开,详细讲解涉及到的各个节点 |
2022-06-03 | 10:53 | 631 | 数据类型、案例 | 案例分析及数据类型、查看等 | 不编程亦分析 | 08-案例分析及数据类型、查看等 1)案例讲解,数据类型中最重要的是字符型(包含分类型)、数值型、时间类型(本质也是数值型)。不同类型适用的节点是不一样的,2)根据需要,有时也需要将字符型转换为数值或时间类型。理解这个数据类型,非常 非常 非常重要。3)查看数据时,可以指定数据的类型,数值范围,若是分类型会列示出来(超过50个类别则不再列示,即使是分类型), 也类似SPSS、SQL,先对表各列定义,以此管理数据。Excel对数据类型管理比较弱 |
2022-06-03 | 07:17 | 790 | 列操作 | 字符串类型处理 | 不编程亦分析 | 1)字符串类型数据,用到最多的是String Manipulate。对字符串大小写转换,查找,替换,提取子串,合并等。2)本例带有分隔符“部门”字符串进行处理,先定位最后一个分隔符位置,以此作为起始点,获取其后的字符串。若为路径最后的文件名,也可参考此方法 3)注意,Excel中的find函数,只能查找字符第一个位置,KNIME可以是第一个,也可以是最后一个。 |
2022-06-04 | 04:14 | 227 | 文件读写 | 数据文件合并拆分专题 场景概述 | 不编程亦分析 | 1)本专题主要为拿来用型,无需任何基础。不需要像网上找代码那样,研究修改,甚至从头开始学一般编程语言。2)使用方法:导入我分享的工作流,修改输入输出路径,最后一个节点执行即可得到结果 3)若需工作流示例,请私信留言即可 4)如果想学此KNIME 软件,请关注我的另外一个【快速入门】的基础教程 |
2022-06-05 | 04:43 | 578 | 列操作 | 利用规则节点提取省份 | 不编程亦分析 | 10-利用规则节点提取字符串. 1)查找字符串是否包含指定字符串,若包含则得到指定的省份。详见视频 2)这个使用非常多。还有几个节点,以rule 开头的节点,界面和用法大致相同 |
2022-06-06 | 07:16 | 802 | 表操作 | 数据汇总(分组统计) | 不编程亦分析 | 11-数据汇总(分组统计)1、group by 节点,及pivot节点,本质都是相同的,都是做汇总使用 2、务必记住我说的,汇总三要素 3、两者使用根据数据展现形式需要,进行选择 |
2022-06-08 | 05:30 | 476 | 列操作 | 数值列类型计算 | 不编程亦分析 | 12-数值计算 1、利用math formula节点计算未完成率,同时计算多列是,2、如多列都有元转为万元时,使用Math Formula(Multiple)可同时对多列一次性计算 |
2022-06-11 | 07:33 | 362 | 表操作 | 多个字符串类型分组合并 | 不编程亦分析 | 13-多个字符串类型分组合并 1)利用groupby 对字符串类型合并,这个功能特别实用,Excel没有直接可用的函数。2)group by节点非常重要,做汇总分析时,第一个应该想到的应该就是这个 |
2022-06-12 | 03:43 | 538 | 可视化 | 数据可视化.14 -数据可视化 | 不编程亦分析 | 14 -数据可视化 1)利用sunburst 太阳图,展示多层级分布情况,而不是但层级的饼图 2)默认按照原表列的顺序展现层级。若不是想要的层级,请使用Column Resorter调整即可 |
2022-06-13 | 06:07 | 375 | 表操作, 文件读写, 数据库, 可视化, 机器学习/人工智能 | 流程结束-图表输出 | 不编程亦分析 | 15-流程结束-图表输出。流程结束后,大致分为不同的情况---若对你有帮助,请多支持。 1)导出分析的数据结果,2)导出可视化图片 3)将加工好的数据写入数据库(KNIME支持各种主流数据库读写等操作) 4)将数据及图组合成格式化报告 5)导出训练好的模型 |
2022-06-15 | 06:24 | 403 | 列操作 | KNIME列过滤 上 | 不编程亦分析 | 16-列过滤(上)1)KNIME中列过滤的四种方法,五个节点类型介绍 2)对比Python中的DataFrame中列选择,这个更方便,鼠标点击即可选择 |
2022-06-17 | 07:05 | 344 | 列操作 | 列过滤基于参照表(下) | 不编程亦分析 | 16-列过滤(下)--若需示例,私信留言即可 1)KNIME中列过滤的四种方法,五个节点类型介绍。针对参照表列过滤,请对比我实现的两种不同方法。2)参照表中的数据仅用到列和类型,数据是用不上的。3)为了更符合使用习惯,我做了改进,只提供列名即可 |
2022-06-19 | 12:24 | 380 | 行操作 | 行过滤 单条件(上).17 行过滤-单条件 | 不编程亦分析 | 17 行过滤-单条件 1)针对不同数据类型(字符型、数值型、日期型等),该使用什么节点,如何使用 2)对比分析不同节点的不同,自行体会优缺点,适用范围 |
2022-06-23 | 03:47 | 237 | 表操作, 时间数据类型 | 行过滤(中) | 不编程亦分析 | 17-行过滤(中)-基于时间范围、高亮等条件进行过滤 |
2022-06-24 | 03:25 | 297 | 列操作 | 行过滤 多列多条件(下) | 不编程亦分析 | 多条件过滤节点。有2个版本,filter、splitter版本。利用逻辑表达式进行多条件设置 |
2022-07-04 | 08:48 | 276 | 行操作 | 行过滤 分类型三种过滤方法 | 不编程亦分析 | 使用字符串模糊匹配,或正则表达进行过滤;针对分类型字符串行过滤不同情况的节点比较及选择,根据情况灵活选择 |
2022-07-08 | 05:19 | 299 | 列操作 | 单元格切分 分列 三种方法(上) | 不编程亦分析 | |
2022-07-08 | 05:24 | 226 | 列操作 | 正则表达式切分单元格 | 不编程亦分析 | 想对字符串进行更灵活的处理,正则表达式则为必备技能 |
2022-07-09 | 04:30 | 296 | 列操作 | 列合并常用2种方法 | 不编程亦分析 | 使用Column Combiner 节点和string Manipulate节点 的joinSep函数完成列合并 |
2022-07-13 | 04:40 | 277 | 表操作 | 表格切分 左右 上下 | 不编程亦分析 | 对表格进行左右、上下切分,表格切分之后如何合并,详见下一讲 |
2022-07-15 | 04:13 | 423 | 表操作 | KNIME数据表格合并操作 | 不编程亦分析 | 对数据切分之后,可能需要分别处理,处理完毕后,再合并。本讲是对上一讲数据表拆分的逆操作---合并 |
2022-07-16 | 06:45 | 300 | 表操作 | 数据类型转换 | 不编程亦分析 | 不同类型数据之间最常用的几种转换类型。KNIME还有其他的数据类型,如Path、集合类型等,也有相应的转换类型 |
2022-07-21 | 05:41 | 260 | 时间数据类型 | 日期类型转换计算(上) | 不编程亦分析 | 使用KNIME自动解析字符串日期格式,若不正确可手动修改。无需像Python那样,太多参数需要记忆。 |
2022-07-22 | 04:32 | 209 | 时间数据类型, 案例 | 日期类型案例 生成各月底日期(下) | 不编程亦分析 | 利用KNIME的节点,2步自动生成指定时间范围内各月月末日期。以及解释生成日期范围节点使用注意事项 |
2022-07-23 | 05:22 | 213 | 列操作 | 数值型分组 | 不编程亦分析 | 使用Numeric Binner节点对数值型列切分 |
2022-07-24 | 02:36 | 190 | 表操作 | 数值型分组 手动分组 基于字典表(2) | 不编程亦分析 | 使用基于手动创建的字典表(左区间,右区间,区间段名称)共三列,构造分组段,完成年龄段分组 |
2022-07-24 | 04:12 | 230 | 数据探索, 列操作 | 数值型分组自动切分 | 不编程亦分析 | 自动切分快速完成切分,这个做数据探索,快速查看数据分布非常方便 |
2022-07-25 | 03:27 | 176 | 列操作 | 列重命名方法1 | 不编程亦分析 | 方法1:手动逐一修改,适合修改部分列名。若修改很多,推荐下一讲的批量修改方法 |
2022-07-26 | 02:43 | 660 | 列操作 | 列重命名批量修改(方法2) | 不编程亦分析 | 通过建立新旧列名对照表,实现批量列重命名 |
2022-08-09 | 08:44 | 245 | 文件读写, 流变量, 循环 | KNIME处理超大单个文件 | 不编程亦分析 | KNIME处理超大单个文件,使用流处理方式(也可叫做批处理),再大的本地文件也可处理。若有多个文件,单个文件本机性能可以处理,请使用循环处理 |
2022-08-11 | 04:37 | 148 | 表操作 | 列名排序 | 不编程亦分析 | 比Excel更方便的列序调整,可重复利用,摆脱重复劳动 |
2022-08-13 | 03:36 | 530 | 列操作 | 列名排序批量自动排序 | 不编程亦分析 | 使用提前调整好的列序参照表,实现自动化批量排序,尤其涉及全表列序调整的,使用此更方便 |
2022-08-15 | 05:30 | 193 | 列操作 | 行排序 | 不编程亦分析 | 使用一列或多列,对行进行排序,目的:1)方便浏览数据 2)为其他数据处理做准备 |
2022-08-16 | 05:13 | 170 | 表操作 | 行排序 分组排序(窗口排序) | 不编程亦分析 | 1)针对每个细分的小组除了进行排序外,还对每个切分的小组进行序号编号。多出一列,方便下一步过滤。2)工作中,该节点非常有用。可类比SQL总的窗口函数3)有3中不同的序号方式,稍后文章专栏补充 |
2022-09-04 | 07:17 | 622 | Python | 缺失值处理 向上向下填充、插值等(上) | 不编程亦分析 | 针对缺失值进行快速处理,无需记忆众多参数,打开即可使用。自行对比Python对缺失值处理的函数。 |
2022-09-06 | 05:55 | 267 | 表操作 | 缺失值处理规则应用(下) | 不编程亦分析 | 常用来将训练集得到的一套处理缺失值的规则应用至测试集 |
2022-09-15 | 06:53 | 186 | 列操作 | 数据平移 | 不编程亦分析 | 数据平移,一般针对特定排列顺序的数值型数据 |
2022-09-17 | 04:05 | 84 | 列操作 | 同组添加序号(窗口排序).同组分别添加序号 | 不编程亦分析 | 同组分别添加序号 |
2022-09-29 | 04:31 | 102 | 时间数据类型 | 如何提取周数 | 不编程亦分析 | 提取周数,修改默认设置,区分不同的情况 |
2022-09-30 | 08:49 | 388 | 表操作 | 生成模拟数据 | 不编程亦分析 | 快速生成模拟数据,完成节点功能测试,方便KNIME其他节点功能测试和学习 |
2022-10-09 | 09:38 | 139 | 组件 | 单个节点实现多步骤计算 | 不编程亦分析 | 一个节点完成3中不同类型的数据操作,减少节点使用,简化工作流 |
2022-10-11 | 10:51 | 159 | 可视化 | 工作流管理 | 不编程亦分析 | 让工作流一目了然,简洁易懂,方便工作流的修改、管理、及分享等 |
2022-10-13 | 07:23 | 129 | 案例 | 节点比较解决学习设置之困惑 | 不编程亦分析 | 通过示例解决初学者针对界面设置差异的困惑,帮助快速定位与模板或示例不同之处 |
2022-10-19 | 07:09 | 178 | 表操作 | 两个表格差异比较及改进 | 不编程亦分析 | 比较两个相似表格之间的差异,参照示例,替换数据,微调即可使用 |
2022-10-20 | 09:57 | 90 | 列操作 | 括号及字符数据剔除 | 不编程亦分析 | 展示不同的处理思路和方法。开拓思路,供大家参考 |
2022-10-21 | 03:47 | 214 | 列操作, 正则表达式 | 提取括号内的字符串 | 不编程亦分析 | 1)扩展04讲内容,展示如何提取字符串。2)另外,也可使用正则表达式提取 Regex Substring节点, 使用04讲中我写的正则表达式即可 |
2022-10-26 | 10:33 | 543 | 案例 | KNIME节点学习经验总结 | 不编程亦分析 | 节点学习的一些经验总结,归类,对比,节点常用搭配组合等等 |
2022-11-30 | 13:29 | 203 | 流变量, 循环, 组件, 分支结构, 错误处理 | KNIME进阶指引(上) | 不编程亦分析 | 入门后待进一步学习的一些方向,供大家参考。若大家自己在我之前分享的【数据文件合并、拆分专题】中使用流变量,循环等都能熟练使用,则技能可达到中级左右 |
2022-12-04 | 11:23 | 164 | 表操作, 文件读写, 组件, 循环, 分支结构, 机器学习/人工智能 | KNIME进阶指引(中) | 不编程亦分析 | 视频介绍各节点cheat sheet已上传群内,群内自取 1-KNIME建立工作流for初学者---Cheat-Sheet.pdf 2-KNIME数据处理---cheat-sheet.pdf 3-KNIME连接类节点-connectors-cheat-sheet.pdf 4-KNIME组件(components)-cheat-sheet.pdf 5-KNIME工作流控制(循环-分支等)cheat-sheet.pdf 6-KNIME机器学习cheat-sheet.pdf |
2022-12-06 | 09:34 | 159 | 案例 | KNIME进阶指引(下) | 不编程亦分析 | 根据使用近十年的个人使用体会总结,希望对大家学习有所帮助。多年前一直想录一个像样的中文KNIME入门视频教程,希望更多人认识到这个宝藏软件。由于基本上都是列提纲后一口气录制,有些细节还是会遗漏,也会有一些口误或错误,请多多见谅!---视频示例打包上传群内,需要的伙伴关注后,发送验证信息,入群自取 |
2023-02-23 | 04:37 | 152 | 文件读写, 行操作, 组件, 案例 | 使用KNIME进行文件和文件夹管理 | 不编程亦分析 | 使用KNIME快速完成批量文件和文件夹的生成,重命名,删除,移动等操作。将KNIME应用到具体的工作中取,减少重复低效的劳动 |
2023-04-07 | 04:15 | 132 | 表操作, 组件, 案例 | 计算各部分在总体占比(最佳方法) | 不编程亦分析 | 利用KNIME自动化计算 各部分占总体的占比;4中不同方法和思路的比较与分析 |
2023-04-08 | 04:58 | 12 | 表操作 | 计算各部分在总体的占比(另外3种方法) | 不编程亦分析 | 接上一讲,介绍另外3种方法,帮助大家拓宽解决问题的思路 |
2020-10-07 | 03:17 | 656 | 软件安装 | 安装 Analytics Platform拓展插件 | 卖荔枝的蜗牛 | 今年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-16 | 03:45 | 116 | 表操作, 组件, 可视化 | 使用复杂聚合方法进行ETL数据透视 | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-16 | 07:10 | 275 | 表操作, 案例 | 使用 GroupBy 节点进行基本聚合操作 | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-16 | 03:29 | 116 | 表操作, 案例 | 使用Join操作进行ETL | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-04 | 00:47 | 709 | 表操作, 文件读写, Excel | KNIME Analytic Platform 之Excel Reader 的使用 | 卖荔枝的蜗牛 | KNIME Analytic Platform 之Excel Reader 的使用 |
2020-10-04 | 01:05 | 349 | 表操作, Excel | Excel写入节点 | 卖荔枝的蜗牛 | KNIME Analytics Platform -Excel Write Node |
2020-10-16 | 10:41 | 303 | 表操作 | 数据操作:数字、字符串和规则 | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-16 | 06:45 | 282 | 表操作 | ETL数据整理:旋转节点 | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-16 | 04:57 | 212 | 表操作 | 使用KNIME进行ETL - Joiner节点第一部分 | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-16 | 00:44 | 164 | 表操作 | ETL 列过滤是什么 | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-16 | 06:40 | 140 | 表操作 | 使用KNIME进行ETL:Joiner节点第二部分 | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-16 | 04:31 | 139 | 表操作 | 使用KNIME进行ETL——连接节点 | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-16 | 04:38 | 126 | 表操作 | 多列数据ETL透视 | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-16 | 01:41 | 178 | 行操作, 数据整理, 自主学习课程, 中文字幕, 学习资源 | 特殊数据类型的高级行过滤ETL | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-16 | 05:53 | 465 | 行操作, 可视化, 案例 | ETL行过滤器与模式匹配 | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-16 | 03:16 | 283 | 行操作, 可视化, 机器学习/人工智能, 案例 | 基于数值间隔或缺失值的ETL行过滤器 | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-16 | 02:53 | 283 | 行操作, 可视化 | 基于RowID的ETL行过滤器 | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-16 | 06:41 | 238 | 行操作 | ETL高级行过滤 | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-12 | 06:21 | 157 | 网络访问 | 通过向 REST 服务发送 GET 请求进行数据访问 | 卖荔枝的蜗牛 | 今年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-10 | 04:03 | 410 | 组件, 可视化 | KNIME节点操作与自主学习课程 | 卖荔枝的蜗牛 | 今年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-08 | 01:49 | 861 | 组件 | 节点推荐功能. KNIME 系列软件的综合介绍 0代码让您玩转数据科学 | 卖荔枝的蜗牛 | KNIME 系列软件的综合介绍0代码让您玩转数据科学本视频搬运至油管,并附上了中文字幕便于同学学习更多学习信息,请关注我的公众号@卖荔枝的蜗牛 |
2020-10-08 | 04:22 | 598 | 组件 | 节点仓库介绍 | 卖荔枝的蜗牛 | 今年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-04 | 00:41 | 368 | 组件 | KNIME分析平台——数学节点 | 卖荔枝的蜗牛 | KNIME Analytic Platform - Math Node |
2020-10-17 | 05:14 | 136 | 组件 | KNIME Analytics Platform 中的开关 | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-29 | 05:26 | 120 | 组件 | 使用评分器评估分类模型性能的JavaScript节点 | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-17 | 03:35 | 108 | 组件 | 组件是什么 | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-17 | 03:05 | 91 | 组件 | KNIME自主学习课程:组件配置视频 | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-17 | 04:38 | 82 | 组件 | 分享和链接组件 | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-29 | 05:15 | 166 | 流变量, 组件, 可视化 | Numeric Scorer Node自主学习课程 | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-17 | 05:01 | 409 | 流变量, 案例 | 流变量 | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-17 | 01:58 | 171 | 流变量 | 数据流变量从数据到变量 | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-17 | 03:06 | 122 | 流变量 | 使用Metanodes清理工作流 | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-10 | 03:45 | 340 | 档案管理 | 创新新工作流以及工作流文件夹 | 卖荔枝的蜗牛 | 今年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-07 | 06:03 | 1633 | 案例 | KNIME自主学习课程简介 | 卖荔枝的蜗牛 | 今年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-10 | 01:45 | 1416 | 案例 | 节点和工作流简介 | 卖荔枝的蜗牛 | 今年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-07 | 03:38 | 461 | 案例 | Analytics Platform 欢迎界面说明 | 卖荔枝的蜗牛 | 今年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。本视频搬运至油管,并附上了中文字幕便于同学学习更多学习信息,请关注我的公众号@卖荔枝的蜗牛原视频链接:Enjoy! |
2020-10-10 | 03:54 | 436 | 案例 | 案例服务器 | 卖荔枝的蜗牛 | 今年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-16 | 01:00 | 304 | 案例 | 行过滤是什么 | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-10 | 06:41 | 274 | 案例 | KNIME客制化Analytics Platform自主学习课程 | 卖荔枝的蜗牛 | 今年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-10 | 03:03 | 264 | 案例 | KNIME自主学习课程概述 | 卖荔枝的蜗牛 | 今年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-17 | 05:06 | 251 | 案例 | 构建交互式仪表盘的步骤 | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-16 | 01:48 | 203 | 案例 | 什么是数据聚合 | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-07 | 03:44 | 166 | 案例 | 软件创建和生产化数据科学 - KNIME 系列软件的综合介绍 | 卖荔枝的蜗牛 | KNIME 系列软件的综合介绍0代码让您玩转数据科学本视频搬运至油管,并附上了中文字幕便于同学学习更多学习信息,请关注我的公众号@卖荔枝的蜗牛原视频链接: |
2020-10-17 | 03:19 | 163 | 案例 | KNIME中的学习者预测器构建 | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-17 | 02:07 | 134 | 案例 | 拖拽式数据科学 | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-29 | 07:01 | 130 | 机器学习/人工智能, 网络访问 | 决策树背后的秘密 | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-29 | 06:02 | 398 | 机器学习/人工智能 | ROC曲线是什么 | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-29 | 06:34 | 221 | 机器学习/人工智能 | Decision Tree Learner Node Algorithm Settings | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-29 | 05:16 | 139 | 机器学习/人工智能 | 分类模型的 ROC 曲线 | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-29 | 06:52 | 127 | 机器学习/人工智能 | Logistic Regression Node Algorithm Settings | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-29 | 03:59 | 115 | 机器学习/人工智能 | Logistic Regression Output Values and Memory Handling | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-16 | 03:48 | 72 | 时间数据类型, 案例 | ETL修改DateTime时区节点 | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-16 | 03:42 | 176 | 时间数据类型 | ETL String to DateTime Node | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-16 | 02:08 | 124 | 时间数据类型 | ETL提取日期时间字段节点 | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-28 | 04:45 | 101 | 时间序列 | Lag Column Node在时间序列分析中的关键 | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-10 | 03:41 | 434 | 文件读取 | KNIME自主学习课程-数据读取 | 卖荔枝的蜗牛 | 今年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-17 | 03:33 | 151 | 文件读写, 可视化 | 将KNIME工作流中的数据导出到Tableau报告 | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-10 | 06:18 | 1329 | 文件读写 | 如何导入和导入工作流 | 卖荔枝的蜗牛 | 今年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-10 | 04:10 | 467 | 文件读写 | KNIME自主学习课程-数据读取 | 卖荔枝的蜗牛 | 今年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-10 | 02:20 | 318 | 文件读写 | KNIME数据读取表读取节点 | 卖荔枝的蜗牛 | 今年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-17 | 05:23 | 205 | 文件读写 | 将KNIME工作流中的数据导出到BIRT报告 | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-17 | 03:39 | 168 | 文件读写 | CSV Writer 数据访问 | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-10 | 04:29 | 345 | 数据结构 | KNIME 自主学习课程 | 卖荔枝的蜗牛 | 今年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-16 | 01:46 | 108 | 数据整理 | 使用KNIME进行ETL——Concatenation是什么 | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-12 | 05:04 | 297 | 数据库 | 访问数据库 | 卖荔枝的蜗牛 | 今年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-17 | 05:24 | 116 | 数据库 | 数据库数据操作 | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。本视频搬运至油管,并附上了中文字幕便于同学学习 |
2020-10-17 | 05:28 | 301 | 循环 | Loop End节点 | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-17 | 04:10 | 205 | 循环 | 什么是循环 | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-17 | 04:23 | 182 | 循环 | 循环命令 | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-17 | 04:41 | 163 | 循环 | Group Loop Start Node 和 Chunk Loop Start Node | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-17 | 03:49 | 159 | 循环 | 如何构建计数循环 | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-17 | 04:19 | 150 | 循环 | 如何构建通用循环 | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-17 | 04:05 | 126 | 循环 | 递归循环更新数据循环。 | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-04 | 02:01 | 792 | 安装 | KNIME Analytics Platform自主学习课程安装视频 | 卖荔枝的蜗牛 | 今年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-17 | 06:29 | 328 | 可视化 | 数据探索交互式单变量可视化探索 | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-17 | 09:51 | 271 | 可视化 | 散点图交互式双变量可视化探索 | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-16 | 04:57 | 382 | 列操作, 机器学习/人工智能, 可视化 | Column Expressions Node自主学习课程 | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-16 | 04:50 | 242 | 列操作 | KNIME自主学习课程之列过滤节点 | 卖荔枝的蜗牛 | 2020年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
2020-10-10 | 03:30 | 496 | Excel, 可视化 | 数据读取 Excel 读取节点 | 卖荔枝的蜗牛 | 今年,KNIME 推出自主学习课程 (Self-Paced Courses)根据不同目的(数据科学家和数据整理者)两条学习路径。 |
中高级议题
- 琥珀[b站昵称:Data_Amber]: 致力于让数据科学与机器学习在工业,商业落地。微信: baltic_sea_in_amber
- 里老师[b站昵称: 里你OK]: 香港科技大学博士,从事半导体、激光、数据分析,大数据、人工智能与手机 App 应用开发。《图说图解机器学习》作者,这本书也是多年的实践教学当中总结的“图说图解、自上而下、够用即止、实战掌握”的入门书, 最主要的是,这本书中的算法实现全部是用 KNIME 节点实现的! 这本书的第二版、第三版正在修订中,期待!😍😍😍 微信: minganxinxi
- 叶老师[b站昵称: 叶老师讲大数据]: 专注商业领域的应用场景。
中高级议题 视频列表
创建时间 | 视频时长 | 播放次数 | 分类 | 标题 | 作者 | 描述 |
---|---|---|---|---|---|---|
2019-03-04 | 09:07 | 7531 | 02. KNIME | 里你OK | KNIME是一款基于Eclipse开发环境的机器学习工具,采用的是类似数据流的方式来建立流程,并且可以与其它系统集成,如:Python,Java,Tableau等。而且有着丰富的第三封扩展,方便开展各类机器学习任务。学会 | |
2019-03-04 | 12:12 | 5056 | 03. 你需要的统计学 | 里你OK | 这部分内容,我们熟悉一些以后会用到的基本的统计学。首先介绍数据的种类,然后介绍回归的基本概念,进而引出最小二乘法,最后看看如何判断拟合的好坏。学会并参加Kaggle国际机器学习竞赛。 | |
2019-03-04 | 11:43 | 1346 | 01. 机器学习001 | 里你OK | 机器学习简介学会并参加Kaggle国际机器学习竞赛。 | |
2019-03-04 | 15:57 | 1944 | 人工智能001 | 里你OK | 人工智能历史,定义和应用简介 | |
2019-03-10 | 24:32 | 6008 | 04 简单线性回归实战 | 里你OK | 我们已经熟悉了线性回归的基本原理,下面我们将这些理论知识投入实战。通过使用 knime建立一个工作流,其中会简单介绍训练和测试是什么,还会涉及到 p value 的意义。最后简单了解一下怎么样解释模型和如何对节点做注释。 | |
2019-03-12 | 05:45 | 5250 | 04.5 p value 详解 | 里你OK | 在 04 基础上,详细介绍 p value 是什么,与 t value 的区别于联系是什么,为什么用 p 而不是 t 呢? | |
2019-03-22 | 09:00 | 2389 | 05e 特征归一化 | 里你OK | 特征归一化 | |
2019-03-22 | 14:39 | 2448 | 05d KNIME 实现特征正向选择 | 里你OK | KNIME 实现特征正向选择 | |
2019-03-22 | 08:50 | 2363 | 05c 特征选择防止过拟合 | 里你OK | 特征选择防止过拟合.特征反向删除, 正向选择等 | |
2019-03-22 | 09:02 | 2646 | 05b 数据可视化 | 里你OK | 数据可视化, 看看数据到底是什么, 方便数据理解 | |
2019-03-22 | 05:34 | 3501 | 05a 多元线性回归基本工作流建立 | 里你OK | 熟悉了线性回归的原理,在简单线性回归的基础上熟悉了机器学习的一般流程,下面我们再在已有知识的基础上,学习一下使用 KNIME 做多元线性回归。 | |
2019-04-15 | 09:13 | 2848 | 06c KNIME 实现逻辑回归 | 里你OK | KNIME 实现逻辑回归 | |
2019-04-15 | 03:36 | 1095 | 06a. 分类问题 | 里你OK | 分类问题 | |
2019-04-15 | 02:13 | 3290 | 06b 从线性回归到逻辑回归 | 里你OK | 从线性回归到逻辑回归 | |
2019-04-23 | 30:40 | 2922 | 07 逻辑回归之泰坦尼克号问题 | 里你OK | 07 逻辑回归之泰坦尼克号问题 | |
2019-05-07 | 31:45 | 3108 | 08 梯度下降算法与模型优化 | 里你OK | 梯度下降算法与模型优化,混淆矩阵,ROC,准确率,召回,精确度,特异性等等蛋疼的东西 | |
2019-05-28 | 12:44 | 2898 | 09 支持向量机 svm | 里你OK | 支持向量机 svm. 与逻辑回归的区别于联系, 损失函数角度考虑 svm,核函数及其参数. | |
2019-10-24 | 05:21 | 5624 | KNIME 做中文文本分析 -- 创建词云, 情感分类等 | 里你OK | Knime 做中文文本分析 -- 创建词云, 情感分类等. 我不是研究自然语言处理的,我不懂机器学习,我只是想在我的某个场景中使用机器学习的某个功能,我没钱雇一个机器学习工程师,我也没有能力学习机器学习,我也得干活啊!我使用 Knime 试试。结果显示能用。 | |
2019-11-04 | 30:05 | 2342 | 10 决策树及过拟合 | 里你OK | 决策树是什么, 怎样构建决策树, 如何防止过拟合与欠拟合 | |
2019-11-22 | 37:18 | 4092 | 11 决策树进阶,随机森林\袋装\提升 knime 应用,ID3 与 cart 算法,信息熵与基尼系数.非平衡数据的解决,降采样与过采样 | 里你OK | 决策树进阶,随机森林\袋装\提升 kinme 应用,ID3 与 cart 算法,信息熵与基尼系数.非平衡数据的解决,降采样与过采样 | |
2023-03-06 | 40:15 | 293 | 机器学习 | DT决策树 | 叶老师讲大数据 | 1.如何用决策树模型对泰坦尼克号数据进行分析?2.分析可以得出哪些结论呢? |
2023-03-06 | 46:29 | 697 | KNIME工作流 | 叶老师讲大数据 | 怎么快速使用KNIME进行数据分析呢? | |
2023-03-06 | 53:20 | 1509 | 商业分析经典方法 | RFM分析 | 叶老师讲大数据 | 如果你是一家店铺的老板,1. 你会把客户分类吗,为什么? 2. 你会把客户分哪几类?分类依据又是什么?3. 根据不同的客户分类,你会采取哪些销售措施? |
2023-03-13 | 41:19 | 536 | 推荐系统 | 商品推荐 | 叶老师讲大数据 | 如果你是一家店铺的销售,1. 你怎么把商品推荐给客户呢? |
2023-04-08 | 63:02 | 34 | 机器学习基础 | 采样-建模与预测 | 叶老师讲大数据 | 1.为什么要采样?2.有哪些采样方式?3.有哪些建模算法?4.如何评价模型预测结果? |
2022-10-21 | 26:26 | 713 | 组件 | 初识KNIME | Data_Amber | 国内的KNIME视频讲解相对少,所以我这里新开一个系列,专门讲解KNIME如何作数据分析以及自动化等。 |
2022-10-25 | 12:06 | 335 | 可视化, 时间序列 | 时间序列可视化(趋势和季节图) | Data_Amber | KNIME 学数据分析第二期:详细讲解如何作时间序列的季节图。关注【数据如琥珀】: 下载数据集和源码 |
2022-10-27 | 10:50 | 272 | 可视化, 流变量 | 时间序列可视化(散点图和用户交互界面设计) | Data_Amber | 本期的案例讲解了KNIME 如何作散点图,以及设计用户交互节目控制散点图的输入,比如下拉菜单等。另外案例还讲解了如何使用流变量批量保存生成的图画。 |
2022-11-02 | 11:42 | 251 | 时间序列, 数据清理, 时间格式处理, 数据列处理, lag处理, 过滤, 相关系数计算, Python, KNIME hub | 时间序列自相关计算(三种方法).案例介绍 | Data_Amber | 案例介绍方法1: 纯KNIME节点计算方法2: 调用Python计算方法3:调用第三方节点技术要领:- 读取CSV,数据清理,时间格式处理- 数据列处理,lag处理,过滤,相关系数计算- 调用Python节点,使用python代码计算acf- 调用KNIME hub 第三方节点 |
2022-11-04 | 08:59 | 112 | 表操作, 时间数据类型, 文件读写, 组件, 正则表达过滤 | KNIME数据分析案例:时序特征变换(box cox) | Data_Amber | 案例介绍采用KNIME计算box-cox技术要领:读取CSV,数据清理,时间格式处理学会如何作各种数学变换用户交互界面设计,正则表达过滤 |
2022-11-11 | 12:59 | 114 | 时间序列, Python,案例 | 经典时序分析方法介绍与案例 | Data_Amber | 时间序列模型经典时序分解案例介绍两种方法介绍经典时序分解基于KNIME法基于python脚本法 |
示例
- 指北君: 本站站长。只做过一个视频 🙊 (S2C01)指北君带你 Just KNIME It,其余 Just KNIME It 第二季的挑战内容请参考本站博客中的介绍(需要用浏览器翻译功能)。微信: HaveHaveHaveF
- 林老师[b站昵称:星汉长空]: KNIME 中文届“劳模”,b站 KNIME 视频顶流。工业、制造业实战甚多。联系方式见视频封面。
- 顾老师[b站昵称: KNIME大数据分析]: KNIME 搭配 JMP 用的也是风生水起。邮件节点用的很细,值得每个 KNIME 用户掌握。最近在研究可视化看板。微信: eddy0620
示例 视频列表
创建时间 | 视频时长 | 播放次数 | 分类 | 标题 | 作者 | 描述 |
---|---|---|---|---|---|---|
2021-05-25 | 33:00 | 319 | 案例 | 工作流在企业数字化转型中的应用 | 星汉长空 | 古往今来,任何组织为了实现愿景、达成目标,都在不断地追求内部效能的提升。在相当长的历史时期,将人员、技术、信息、生产资料等集中起来的方式是效能提升的关键因素。随着信息化,数字化的发展,跨行业需求的增多,这些组织元素越来越出现分化的趋势,组织效能的提升遇到了来源于时间,空间和思维上的多重障碍。通过云平台存储、传输、共享数据,对接内部外部算法,把人员的专业经验固化在工作流里面,机器可以根据参数变化驱动结果更新,本质上是实现了IT人员与专业人员的解耦,可以让他们更有效地组织协同起来,高效解决需求。 |
2021-06-14 | 07:48 | 1752 | 表操作, 分支结构, 错误处理, 机器学习/人工智能, 可视化 | 数据分类统计 | 星汉长空 | 为给定的Excel 数据表格添加新列,其属性值由其他列的值由算法计算得出。然后,依据新列的属性值,对原始表格中的数据进行分组/分类,得到不同类别下的统计指标汇总结果,进而完成数据指标的图形可视化。 |
2021-06-14 | 03:09 | 3966 | 表操作 | 统计数据分组 | 星汉长空 | 对于给定的Excel 数据表格进行分组统计汇总,并将结果保存至新的Excel文件。 |
2021-06-14 | 04:22 | 1742 | 表操作 | 数据参照筛选 | 星汉长空 | 给定两个Excel 表格,其格式为数据框格式。需求是如何通过B表(参考表)的公共列属性值来对A表(数据源)中的数据进行筛选,实现数据的参照筛选。 |
2021-06-14 | 07:02 | 1212 | 表操作 | 数据透视计数 | 星汉长空 | 在数据分析处理领域,数据透视表是十分重要的数据结构,在Excel中属于高级技巧,可以将数据当中蕴含的规律十分清晰地呈现出来。这里还是以空气污染物传感器数据集为例,希望依据pm2.5的浓度值,对空气质量情况进行等级评定,然后统计每一天当中,测得不同等级的传感器总数量,形成一张数据透视表。 |
2021-06-14 | 07:26 | 970 | 列操作 | 多列品名汇总 | 星汉长空 | 对于多列分布的客户订单进行合并,形成购买记录。 |
2021-06-15 | 06:38 | 920 | 表操作 | 统计表格计数 | 星汉长空 | 对于考勤表格,其中行上是日期信息,列上是员工的名字,表格中记录的是考勤情况,针对这个表格有如下两个统计需求。1)统计每一名员工在表格记录的时间段,工作了多少天,请假了多少天;2)统计每一天,工作的员工人数,请假的员工人数。 |
2021-06-15 | 05:37 | 1015 | 文本数据类型 | 文字信息提取 | 星汉长空 | 汇总出差花费信息,均由文字描述构成。 |
2021-06-15 | 08:21 | 883 | 可视化 | 动态交互图表 | 星汉长空 | 使用KNIME中的原生图形可视化节点对表格数据进行图形可视化,从而凸显数据当中存在的规律。图形不力求精美,设置也尽可能简单,重点在于快速生成图形,图形要有一定的交互式功能。主要目的是为了工程人员自己观察数据,快速尝试迭代,与汇报、演示需求的侧重点有所不同。 |
2021-06-16 | 06:22 | 632 | 表操作, 时间数据类型, 分支结构 | 同比环比计算 | 星汉长空 | 销售数据表格,记录了两年不同月份的销售额数据,希望进行同比环比计算,观察变化趋势。 |
2021-06-16 | 06:58 | 643 | 表操作 | 成绩分组排名 | 星汉长空 | 成绩表,有年级班级,学生姓名,性别,成绩的数据记录。完成如下多种排序需求:1)按年级分组,年级内成绩大排行,按成绩降序排名;2)一年一班是“尖子班”不参与排名,其余按年级和班级分组,班级内部按成绩降序排名。 |
2021-06-16 | 03:57 | 457 | 表操作 | 数据多重排序 | 星汉长空 | 成绩表,有年级班级,学生姓名,性别,成绩的数据记录。完成多重排序需求:1)按性别为第一排序关键字(升序),成绩为第二关键字(降序)排序。2)按年级为第一排序关键字(升序),班级为第二关键字(升序),成绩为第三关键字(降序)排序。 |
2021-06-16 | 06:31 | 410 | 表操作 | 统计到会人数 | 星汉长空 | 人员到会情况记录表,需要做出如下统计:1)每天到会的人员数量情况;2)每名员工参会的次数统计。 |
2021-06-16 | 05:03 | 312 | 列操作 | 多列连续编号 | 星汉长空 | 将原始连续编号表格,转化成多列排列形式,其中有行优先 / 列优先两种排列方式。 |
2021-06-17 | 05:51 | 477 | 表操作 | 商品价格更新 | 星汉长空 | 蔬菜价目表,左侧为昨日蔬菜价格价目表,右侧是今日蔬菜价格发生变动的种类及新的价格信息。需求是将右侧表格的信息与左侧进行融合,也就是将新的价格变动合并到昨日蔬菜价目表中,产生今日新的价目表。 |
2021-06-17 | 04:58 | 427 | 组件 | 简易交互界面 | 星汉长空 | 为工程计算提供简易的交互界面,允许工程师进行参数输入,并且依据输入参数条件,调用算法完成计算,输出计算结果。本例以一个简单的球体计算的例子演示了整个过程。 |
2021-06-17 | 05:55 | 313 | 案例 | 最低报价商家 | 星汉长空 | 商家报价数据表,需求是对每种商品,找出最低报价的商家,将其信息填到最后一列。 |
2021-06-17 | 05:49 | 239 | 列操作 | 生成超级序号 | 星汉长空 | 表格中含有两列数据,一列是文本型的属性值,另外一列是数量,需要对文本属性值生成相应的序号:1)根据第一列文本属性值的类别顺序生成相应的序号;2)根据第二列的数量来生成相应数目的序号。 |
2021-06-18 | 05:51 | 532 | 表操作 | 缺失数据处理 | 星汉长空 | Excel 表格的数据格式普遍是以人的观看习惯进行设计的,人对于数据缺失并不敏感,反而会因为数据量的减少,而更清晰明了地对数据分布的全貌有所了解。Excel 表格缺失的部分并不会影响人的判断,但是对于机器的处理却带来了一定的障碍。一个常见的数据处理任务就是要对表格的缺失位置进行默认填充,便于进一步处理。 |
2021-06-18 | 04:20 | 406 | 表操作 | 数据占比计算 | 星汉长空 | 某一年各个月份的销售额数据表格。需要计算每个月销售额占总体年度销售额的占比情况。 |
2021-06-18 | 04:32 | 306 | 机器学习/人工智能 | 公式系数拟合 | 星汉长空 | 对于给定的一组散点坐标数据(x,y)进行公式拟合。最常见的有线性拟合y=kx+b,或者抛物线拟合y=ax2+bx+c。通过这样的多项式拟合,获取公式当中的系数。对于新的自变量x,可以预测出对应的因变量y值,在工程计算领域有着广泛的应用。 |
2021-06-18 | 06:23 | 258 | 列操作 | 字符序号排序 | 星汉长空 | 字符串的排列顺序与其中部分数字信息的排列顺序并不一致,需要根据局部信息进行排序,文件名排序等类似场景。可以将字符串中的部分信息加以提取,建立辅助列来为排序提供依据。 |
2021-06-19 | 06:50 | 1099 | 表操作 | 学生成绩统计 | 星汉长空 | 对学生成绩表进行“优良中差”的等级评定,并且统计“优良中差”的占比情况。 |
2021-06-19 | 04:41 | 233 | 表操作 | 九九乘法表格 | 星汉长空 | 生成一个九九乘法表格,从这样一个简单的数据处理任务的完成来体会KNIME节点功能。 |
2021-06-19 | 06:36 | 335 | 案例 | 寻找优秀学生 | 星汉长空 | 依据学生成绩表,为各科成绩分别设置相应的优秀线,查找各科成绩均为优秀的学生,要求优秀线的设定是可以动态修改的,以便在不能找到优秀学生的时候,适当降低标准,形成动态决策。 |
2021-06-19 | 03:43 | 251 | 列操作 | 属性排列组合 | 星汉长空 | 表格中,第一列是学生的姓名,第二列是学科名,现在需要生成二者的全排列表格。 |
2021-06-20 | 06:07 | 482 | 表操作 | 地理信息数据 | 星汉长空 | 数据表格中记录了各省患者人数随日期变化的数据。选择某一天,在地图上观察患者人数在各省的分布情况。需要使用地图底图,在不同省的图块上使用不同颜色来代表感染人数的高低。 |
2021-06-20 | 03:53 | 453 | 表操作 | 数据累加求和 | 星汉长空 | 对数据表格中的数据进行累加求和,求和行数可以控制,比如累加当前月及其前三个月的销售额。 |
2021-06-20 | 06:36 | 311 | 表操作 | 出库入库统计 | 星汉长空 | 有如下多种商品的出库入库时间序列记录,需要统计每种商品的库存情况,并且详细给出库存的形成过程,出库入库的数量变化信息。 |
2021-06-20 | 05:26 | 235 | 案例, 数据库, Python | 工程物性计算 | 星汉长空 | 在KNIME环境中使用制冷剂物性数据,进行状态点计算(本例是通过一组压力和过热度的参数条件,批量计算R134a制冷剂的焓值。实际上,通过很多两参数组合都可以确定制冷剂状态点,然后获取制冷剂状态点的其他物性参数)。 |
2021-06-20 | 06:29 | 264 | 可视化, 时间序列 | 趋势文字描述 | 星汉长空 | 有如下两个年份的月度销售额数据表格,希望在表格中添加直观的趋势描述文字,便于人的阅读。这样的趋势描述文字应该是自动生成的,对原始数据进行加工、判断、解析形成新的表述形式。 |
2021-06-21 | 08:21 | 523 | 表操作 | 合并透视多表 | 星汉长空 | Excel 数据表格中记录了不同国家,在某个年度不同月份的生产数据。一种Excel非常普遍的使用习惯是将不同年度的同类信息,放置在不同的工作簿中(使用工作簿增加了一个时间维度,便于人查找,浏览),但是如果想对各个年度的月度生产数据进行汇总或者求平均值,就涉及了跨工作簿操作,十分麻烦而且容易出错。 |
2021-06-21 | 06:27 | 260 | 表操作 | 空气物性计算 | 星汉长空 | 调用Python来计算湿空气的物性参数,进而完成工程计算。 |
2021-06-21 | 05:57 | 178 | 表操作 | 点和范围关系 | 星汉长空 | 数据表内含一系列平面直角坐标系下的坐标点,由前十个点(类型为“范围”)形成一个包络范围(这些点构成的外轮廓),需求是判断最后两个点(类型为“测试”)与包络区域的关系,是在范围内部,还是在范围外部。本例是一个使用KNIME,链接Python scipy优化算法库中的函数解决工程问题的实例。 |
2021-06-21 | 06:06 | 130 | 表操作 | 管路拓扑解析 | 星汉长空 | 使用KNIME配合yed软件进行管网的拓扑结构设计。 |
2021-06-21 | 06:23 | 184 | 机器学习/人工智能 | 特定公式拟合 | 星汉长空 | 对实验数据进行特定形式公式的最小二乘拟合,从而得到公式的系数。这样的公式可以替代原始的实验数据结果,更加有效地反映实验数据的趋势。当给定新的自变量数值之后,可以调用这样的公式来计算新的因变量结果。是一种测试数据的模型化需求,在工程计算领域十分常见。在Excel当中,有类似的功能,可以做多项式的拟合,但是对于任意公式,需要调用“规划求解器”来完成。 |
2021-06-21 | 06:00 | 541 | 数据清洗/行操作 | 去除异常数据 | 星汉长空 | 对于给定的一组测试值进行数据清洗,将其中不合理的异常数据剔除(注:传感器数据当中,经常存在异常值,要么非常大,要么非常小,可能为负值,在建模以前,需要对这样的异常值加以去除。)。 |
2021-06-21 | 06:31 | 150 | 可视化 | 管网交互设计 | 星汉长空 | 使用KNIME进行管网的交互式设计,为工程师提供交互操作环境。 |
2021-06-22 | 08:31 | 190 | 网络访问 | 编辑网页数据 | 星汉长空 | 使用KNIME对网页中的信息进行更新。 |
2021-06-23 | 08:38 | 170 | 表操作 | 环比涨幅求解 | 星汉长空 | 设定一定的涨幅要求,求解环比涨幅值,求解问题。 |
2021-06-23 | 07:28 | 152 | 网络访问 | 自动建立网络 | 星汉长空 | 利用KNIME调用yed软件来生成网络。 |
2021-06-23 | 08:28 | 199 | 可视化 | 曲面插值效果 | 星汉长空 | 使用KNIME进行曲面插值,并使用可视化节点观察插值的效果。 |
2021-06-24 | 05:40 | 257 | 网络访问, 表操作, 可视化 | 网页数据图表 | 星汉长空 | 对网页数据进行后处理,形成图表。 |
2021-06-24 | 07:23 | 232 | 网络访问 | 爬取地理图形 | 星汉长空 | 使用KNIME中的网页处理节点,爬取地理图形。 |
2021-06-24 | 06:29 | 306 | 数据操作 | 多维数据审视 | 星汉长空 | 在KNIME当中调用Python库功能来审视多维数据分布。 |
2021-06-24 | 08:45 | 124 | 可视化 | 图像参数对比 | 星汉长空 | 对图像进行对比,从而观察参数变化规律。 |
2021-06-25 | 08:13 | 181 | 表操作 | 批量单位转换 | 星汉长空 | 对批量的单位转换需求,使用KNIME一键完成。 |
2021-06-25 | 12:20 | 133 | 表操作 | 二元公式求值 | 星汉长空 | 对Excel中包含的二元公式进行提取并求值。 |
2021-06-25 | 07:30 | 133 | 表操作 | 坐标字典提取 | 星汉长空 | 若干坐标的提取,采用的是字典操作方式。 |
2021-06-25 | 07:32 | 138 | 列操作 | 坐标正则提取 | 星汉长空 | 若干坐标的提取,采用的是正则表达式方式。 |
2021-06-26 | 06:09 | 231 | 表操作 | 汇总格式数据 | 星汉长空 | 将某种格式的数据加以汇总。 |
2021-06-26 | 06:59 | 294 | 机器学习/人工智能 | 自动公式拟合 | 星汉长空 | 使用KNIME调用Python节点完成自动化公式拟合。 |
2021-06-26 | 05:35 | 78 | 数学计算 | 对角计算公式 | 星汉长空 | 对Excel当中的对角公式加以提取和计算。 |
2021-06-26 | 07:43 | 81 | 列操作 | 特殊排序几法 | 星汉长空 | 几种特殊排序的方法,可以熟悉字符串操作方面的功能。 |
2021-06-27 | 04:50 | 106 | 表操作 | 审视筛选效果 | 星汉长空 | 使用KNIME可视化节点对筛选效果进行审视。 |
2021-06-27 | 07:44 | 285 | 文件读写 | 批量文件汇总 | 星汉长空 | 对批量文件当中的内容进行汇总。 |
2021-06-27 | 09:25 | 106 | 可视化 | 图片曲线取值 | 星汉长空 | 对图片中所包含的曲线进行识别,将其散点值提取出来。 |
2021-06-28 | 05:40 | 290 | 表操作, 时间数据类型, 文件读写, 分支结构, 可视化 | 发票数据统计 | 星汉长空 | 对发票文件中的数据加以统计,属于办公自动化。 |
2021-06-28 | 06:50 | 140 | 表操作 | 总览调查问卷 | 星汉长空 | 介绍了一些使用KNIME可视化节点总览调查问卷的方法。 |
2021-06-28 | 05:35 | 239 | 文件读写, 表操作 | 批量文件改名 | 星汉长空 | 使用KNIME对批量文件进行改名。 |
2021-06-28 | 07:18 | 67 | 可视化 | 协同调整曲线 | 星汉长空 | 使用人机协同的方式调整曲线平滑度。 |
2021-06-29 | 06:35 | 174 | 表操作 | 距离数据筛选 | 星汉长空 | 根据点与曲线的距离来进行数据筛选。 |
2021-06-29 | 07:04 | 320 | 机器学习/人工智能 | 智能数据分组 | 星汉长空 | 使用k-means方法对散点进行智能分组,标签化。 |
2021-06-29 | 04:21 | 84 | 数据查询 | 转换系数查询 | 星汉长空 | 使用KNIME帮助工程师查询单位转换系数。 |
2021-06-29 | 08:25 | 113 | 可视化 | 散点曲线交点 | 星汉长空 | 求两条由散点组成的曲线交点坐标值。 |
2021-06-29 | 08:34 | 103 | 列操作 | 连锁公式复用 | 星汉长空 | 提取Excel中的连锁公式,转变为代码,进行复用。 |
2021-06-30 | 07:36 | 293 | Python, 可视化 | 使用Python图形库matplotlib绘制柱形图 | 星汉长空 | 调用Python图形库matplotlib,绘制柱形图。 |
2021-06-30 | 05:58 | 234 | Python, 可视化 | 使用Python绘制填充地图 | 星汉长空 | 调用Python图形库matplotlib,绘制填充多边形。 |
2021-06-30 | 06:39 | 176 | Python, 可视化 | 图02分组柱图 | 星汉长空 | 调用Python图形库matplotlib,绘制分组柱形图。 |
2021-06-30 | 07:41 | 165 | Python, 可视化 | 图03船只分布 | 星汉长空 | 调用Python图形库matplotlib,绘制分散条形图。 |
2021-07-01 | 08:44 | 500 | Python, 可视化, 机器学习/人工智能 | 图05线性回归 | 星汉长空 | 调用Python图形库seaborn,绘制散点数据的线性回归结果,展示数据间的线性规律。 |
2021-07-01 | 06:05 | 151 | Python, 可视化, 分子结构 | 足球分子结构 | 星汉长空 | 调用Python图形库mayavi,绘制三维立体图形,本例为C60的分子空间结构,三维图形支持使用者进行平移,缩放,旋转等交互式操作。 |
2021-07-01 | 05:51 | 266 | Python, 可视化 | 使用Python绘制图形矩阵 | 星汉长空 | 调用Python图形库seaborn,绘制图形矩阵,行列均可以设置为某种分类属性。 |
2021-07-01 | 08:07 | 170 | Python, 可视化 | 使用Python seaborn绘制多维数据图形矩阵 | 星汉长空 | 调用Python图形库seaborn,绘制图形矩阵,通过行列属性,折线图的线宽,线的颜色来区分各类属性,将多维数据当中的规律呈现出来。 |
2021-07-01 | 08:11 | 121 | Python, 可视化 | 图06钻石指标 | 星汉长空 | 调用Python图形库seaborn,绘制多维数据图形,展示若干指标间蕴含的规律性。 |
2021-07-01 | 10:16 | 181 | Excel, 表操作, Joiner节点, 流变量, 固化处理流程, 风险控制 | 报价单据对比 | 星汉长空 | 新旧报价单对比,均为Excel格式,使用KNIME将表格读入进来,通过Joiner节点,对表格进行集合操作,对比新旧报价单的不同记录情况,加速数据处理的效率,提升处理质量,固化处理流程,减少人为因素带来的风险。 |
2021-07-02 | 05:10 | 141 | Python, 可视化, 案例 | 图10教育分布 | 星汉长空 | 调用Python图形库seaborn,绘制分组箱型图,主要呈现数据的分布情况,中位数,四分位数等等关键的统计指标参数。 |
2021-07-02 | 06:47 | 149 | Python, 可视化 | 使用Python绘制等高线图 | 星汉长空 | 调用Python图形库matplotlib,绘制云图/等值线图,可以有效呈现数据的分布情况。 |
2021-07-02 | 06:15 | 127 | Python, 可视化 | 调用Python图形库seaborn绘制带标签热力图 | 星汉长空 | 调用Python图形库seaborn,绘制带有标签的热力图,热力图本身的颜色信息能够凸显数据的大小,人眼对颜色比较敏感,再辅助标签信息,可以有效呈现数据的平面分布情况。 |
2021-07-02 | 06:48 | 103 | Python, 可视化 | 图12职龄峰峦 | 星汉长空 | 调用Python图形库joypy,绘制峰峦图,可以反映数据在某一个维度(比如时间)下的概率密度分布情况。 |
2021-07-02 | 05:03 | 94 | Python, 可视化 | 图13职教提琴 | 星汉长空 | 调用Python图形库seaborn,绘制分组小提琴图,反映数据的分布。 |
2021-07-03 | 05:27 | 76 | 表操作 | 管网信息录入 | 星汉长空 | 使用KNIME读取管网信息,并为其建立一个交互式的环境,允许工程人员依据三维模型当中所展现的管网结构,进行输入参数条件的设置。 |
2021-07-03 | 05:40 | 131 | 文件读写, Python, KNIME组件, 案例 | 使用KNIME进行三维管网信息处理 | 星汉长空 | 使用AutoCAD,Sketchup等平面设计软件,交互式绘制三维图形,并保存为dxf格式文件,记录设计信息。使用KNIME调用Python读取dxf文件的库(有很多类似的库),读取dxf中的图元信息,然后借助KNIME丰富的数据处理节点功能,进行各类统计、分析、计算。也可以借由这种方式,实现人机交互,信息传递等功能。 |
2021-07-03 | 06:05 | 96 | Python, 可视化, 案例 | 管网信息展示 | 星汉长空 | 调用Python图形库mayavi,绘制管网三维立体结构,并结合一些比如管长、管径、编号等等文本信息到三维环境当中,供工程师查看、分析、发挥经验,形成人机协同的有效方案。 |
2021-07-03 | 04:38 | 181 | Python, 可视化 | 图15指标分箱 | 星汉长空 | 调用Python图形库seaborn,绘制六边形分箱图,反映数据的分布情况。 |
2021-07-03 | 05:33 | 158 | Python, 可视化 | KNIME教程:图12人力分配 | 星汉长空 | 调用Python图形库seaborn,绘制带有颜色大小属性的散点图,反映人力资源在项目上的分配情况。 |
2021-07-03 | 05:56 | 56 | Python, 可视化 | 交互连接曲线 | 星汉长空 | 有两条曲线的散点数据,希望通过数学手段,将两条曲线的相交区域做平滑过渡,从而将它们连接成一条曲线。这样的平滑过渡涉及到过渡区域的选择,过渡位置的选择,需要一个交互式环境来查看连接效果。调用Python图形库matplotlib,建立一个带有两个参数调节滑杆的简易交互界面,通过滑杆的响应函数来驱动图像变化,供人发挥经验,确定连接曲线的效果。 |
2021-07-03 | 06:03 | 142 | Python,文件读写, 案例 | 管网拓扑解析 | 星汉长空 | 调用Python的networkx库,对管网结构进行拓扑解析,分析其连接关系和主次结构,可以用于管网的水力平衡计算,区分干管、支管及上下游关系。借助KNIME强大的数据处理节点功能,对经由拓扑算法分析得到的数据,进行进一步的加工处理,再将结果输出到外部文件。 |
2021-07-04 | 06:22 | 53 | 文件读写, 组件, 可视化 | 高效管网置参 | 星汉长空 | 为了更为高效地完成管网参数的设置,可以使用KNIME,将管网信息传递到一个矢量图形绘制软件(yEd Graph Editor)当中,在该软件中完成人机交互参数设置,再使用KNIME将工程人员输入的信息加以读取,完成人机交互过程。由于使用了第三方的图形软件,功能更加丰富,操作更加友好。 |
2021-07-05 | 05:36 | 216 | 文件读写, 可视化 | KNIME应用-地铁线路网络 | 星汉长空 | 对于一些存在于网页和数据文件当中的信息,可以使用KNIME加以提取,然后将其写入矢量图形绘制软件,从而展示信息间的拓扑关系、总分结构等等。这里是读取了上海市地铁网络站点的信息,然后绘制成地铁网络图,一键生成,高效快捷。 |
2021-07-05 | 06:01 | 101 | Python,可视化, 案例 | 机械结构设计验证与动画展示 | 星汉长空 | 调用Python图形库mayavi,绘制活塞机构三维立体模型,并可以通过程序来使其展示动画效果。借由KNIME加工和组织机械设计参数信息,完成机械结构的设计验证,观察其运动规律,非常高效、直观。 |
2021-07-05 | 06:09 | 102 | Python,可视化, 机械结构设计 | 连杆机构动图 | 星汉长空 | 调用Python图形库matplotlib,绘制曲柄摇杆(四连杆)机构的动图,可以用于机械结构的设计验证。其中的杆件几何尺寸是可以通过KNIME进行交互式设置的,也就是可以通过参数化驱动的方式来生成动图,可以由此完成机械结构的设计验证,或者观察其运动规律,非常高效、直观。 |
2021-07-06 | 05:44 | 95 | Python, 可视化 | 图16产品方案 | 星汉长空 | 调用Python图形库matplotlib,绘制不同产品方案的尺寸对比,空间排布情况对比等等。在通常情况下,这样的信息是通过计算得到的,并不是事先可以获得的,这时候就可以使用KNIME来加工处理数据,最终将结果呈现出来,便于工程师进行直观比对,辅助决策,提升效率。 |
2021-07-07 | 06:37 | 119 | Python, 可视化, 案例 | 交互网页初探 | 星汉长空 | 调用Python图形库plotly的案例,plotly同样是一个功能十分丰富的网页交互式图形库,大家可以去其官网,研究其丰富的图形可视化功能,不仅有python版本,plotly还支持R,js的调用。 |
2021-07-07 | 06:49 | 60 | Python, 可视化 | KNIME与Python pyEcharts交互式绘制管网拓扑结构 | 星汉长空 | 调用Python图形库pyEcharts,可以绘制交互式图形,pyEcharts是百度开源的图形绘制控件Echarts的Python库版本,具有非常丰富的网页交互式图表绘制功能。这里使用KNIME加工管网数据,在网页上绘制了管网的拓扑结构,可以交互式查看参数数据及计算结果。 |
2021-07-07 | 08:11 | 80 | KNIME+Python+时间数据类型+数据处理+可视化+案例 | 农历坐标日历 | 星汉长空 | 使用KNIME调用Python关于农历的计算库—sxtwl,借助KNIME强大的时间处理及数据处理节点功能,生成一张农历坐标下的日历,对于天文历法爱好者的日常研究有很好的参考价值。 |
2021-07-07 | 09:17 | 234 | Excel, 表操作, 文件读写, 组件 | 批量文件整理 | 星汉长空 | 我们有若干的Excel文件,里面记录了格式相近的数据,现在需要将这些信息加以合并。使用KNIME的Excel reader节点,可以将一个文件夹下的数据文件进行统一的读取,里面的信息需要通过其他节点的辅助来进行整理,最终形成一个总体表格,记录了所有文件中我们关心的数据信息,便于后续使用工作流进一步加工。 |
2021-07-11 | 11:42 | 103 | 组件 | 管网水力计算 | 星汉长空 | 为了完成工程计算,仿真模拟,往往需要引入计算内核,这样的内核很可能开发年代久远,以exe文件,dll文件等形式存在。使用KNIME可以调用这样的外部工具,将计算资源有效组织起来完成任务,结合KNIME自身的节点功能,高效、灵活完成各类需求,不必进行平台性的开发,避免了投入大,周期长,不确定因素多的不利影响。 |
2021-07-11 | 08:26 | 147 | 文件读写, 案例 | KNIME与矢量图形绘制软件对接实现管网水力计算 | 星汉长空 | 无需额外的二次开发,充分利用现有的工具资源,比如矢量图形绘制软件,使用KNIME与其对接,就可以完成管网的结构设计,参数录入等等交互式功能。当然,如果是读取AutoCAD图纸信息,需要借助dxf文件格式,并且需要对制图人员提出一定的要求,才能形成有效方案。 |
2021-07-11 | 10:50 | 80 | Python, 可视化, 案例 | KNIME中的管网水力计算结果后处理 | 星汉长空 | 计算结果的后处理,以往是在平台性工具上进行固定开发,很难解耦,很难进行灵活定制。在KNIME的工作流模式下,后处理与内核计算是解耦的,可以灵活地调用各种后处理模块资源来完成最终计算结果的呈现。本例是使用了pyEcharts库,通过网页交互式图形来呈现各类计算结果信息。 |
2021-07-12 | 09:37 | 82 | 表操作, 可视化, 网络访问, 案例 | 使用KNIME进行管网水力计算与信息图元展示 | 星汉长空 | 管网信息图元展示,使用KNIME,将管网信息传递到一个矢量图形绘制软件(yEd Graph Editor)当中,该软件具有图形拓扑结构重新布局功能,可以从不同的拓扑结构下对管网结构,包括里面的工况参数情况进行查看,非常直观,可以将图形加以输出,与他人分享结论。 |
2021-07-12 | 10:32 | 107 | 可视化 | 管网水力计算d | 星汉长空 | 对于管网的拓扑结构,使用网页交互式图形来呈现,借助KNIME的快速界面节点,可以创建交互式参数设置界面,允许用户对图形上显示的各类参数信息进行设置。这样只需要简单更改设置,就可以更新最后呈现的网页图形效果。 |
2021-07-13 | 10:37 | 110 | 可视化 | 盘管仿真数据 | 星汉长空 | 在工业企业中,存在大量过往开发的软件工具,这些工具短时间难以替代,但也很难进行升级维护。比如本例中介绍的空调盘管计算设计工具,可能开发年代久远,但十分稳定可靠,一时间难以替代,如果想对其中的计算结果进行后处理,去升级软件工具显然是不明智的,会带来很大风险。可以使用KNIME对接软件工具的工程文件,对其中的信息进行解耦式的分析整理,通过图形可视化手段,呈现数据当中的规律,甚至可以进行批处理,轻松快捷地完成一些只有通过大规模开发、投入才能实现的复杂功能。 |
2021-07-13 | 10:56 | 126 | Excel, 多人协作 | 解耦数据算法 | 星汉长空 | 工程师经常使用Excel来固化业务逻辑和理论计算,如果这样的算法比较复杂,很难在Excel当中看清楚计算的过程,公式之间的嵌套现象十分严重,不利于传递计算流程和思想。这里介绍的是使用KNIME来实现同样的计算流程,但是由于KNIME是图形化、模块化的,可以通过工作流将流程固化下来,具有同样技能体系的人员之间可以分享这样的工作流成果,进行拓展和整合,实现多人协作,完成更为复杂的功能。 |
2021-07-14 | 09:49 | 81 | 案例, 组件, Python,可视化 | 批量稳态仿真 | 星汉长空 | 在工业企业中,存在大量过往开发的软件工具,这些工具短时间难以替代,但也很难进行升级维护。这个案例展示了可以使用KNIME,像提线木偶一样去操纵这类软件,无论是通过RPA的方式,还是直接调用计算内核,都可以实现批量的软件计算。然后对于批量的计算结果,使用KNIME进行分析整理,自动形成报告,避免了大规模的平台性开发工作,高效快捷。 |
2021-07-16 | 08:09 | 115 | 数据清洗, 公式拟合, KNIME | 批量交互拟合 | 星汉长空 | 工程当中经常遇到拟合问题,就是将一组测试数据,形成一个计算公式,在未来需要使用数据做出预测的时候,只需要通过自变量的公式计算,就可以得到因变量的值。但是往往数据需要清洗,这里介绍了使用KNIME完成交互式数据清洗,进而对数据进行公式拟合的过程,对于工程技术人员具有参考价值。 |
2021-07-16 | 07:38 | 157 | 可视化 | 制冷循环图示 | 星汉长空 | 各种工业门类往往有自己本专业的一些工程图表,这样的图表对于工程师发现和判断工艺流程中的一些规律和问题是十分有价值的,比如本例当中提到的制冷循环压焓图。由于十分专业,这样的图形可视化功能交给专业的IT人员开发,周期长,沟通交流复杂,成本非常高。这里介绍的方式是使用KNIME,对接现有图形可视化资源,高效完成定制化任务。由于使用了KNIME模块化、可视化的节点资源,开发效率非常高,甚至可以做到即想即得,即用即弃,开发的压力非常小,对定制化需求的响应速度大大提升。 |
2021-07-19 | 10:16 | 66 | Python, 组件 | 递归单位转换 | 星汉长空 | 这里也是一个使用Python Script节点,复用既往Python代码实现单位转换功能的例子。使用Python代码实现了递归单位转换,由于Python代码十分简洁,这样的代码对修改几乎是封闭的,同样一份代码资源,即可以用在Python项目当中,也可以封装在KNIME的节点当中,来为工作流服务。这样的功能具有行业特殊性,很难找到外部资源,可以借助这样的方式将内部算法资源进行盘活,避免重复劳动及由此带来的返工、分歧及风险。 |
2021-07-19 | 11:31 | 87 | Python, 可视化 | 使用Python Script节点绘制湿空气的焓湿图 | 星汉长空 | 使用Python Script节点,可以将我们既往开发的一些代码资源复用起来。这里介绍的是复用了空气物性计算的一些代码,然后通过调用Python图形库matplotlib,绘制湿空气的焓湿图,展示空气状态点的位置。使用KNIME来做工程计算以及数据图形化是非常灵活高效的,这样的节点以及里面的代码,可以任意复用到其他工作流当中去,一次性的工作,可以为多人多项目的工作流服务。 |
2021-07-22 | 05:29 | 108 | 组件 | 参数驱动建模 | 星汉长空 | 以往图纸的绘制是以人作为处理信息的主体,由人来组织信息,加工到图纸当中,这样的方式对于变更的适应是非常弱的,一旦有需求变更,往往需要推倒重来。如果在信息加工之初,人能够将流程加以记录,使用参数化驱动的方式进行建模、绘图,那么需求变更只需要通过参数改变,之前的所有工作都可以通过一键加以复现。 |
2021-07-22 | 06:36 | 220 | 文件读写, Python, 可视化 | 利用网站数据的处理与可视化 | 星汉长空 | 从网站下载数据文件,再使用KNIME去调用其中的数据,结合Python图形库matplotlib完成数据后处理可视化。这反映了一种数据的新的组织、分发、分享、处理方式,如果不能有效地建立起在这样的模式下的工作方式,将来会产生与他人协作方面的障碍,甚至获取信息都很困难。 |
2021-07-22 | 06:14 | 73 | Python,可视化 | 压缩机测试图 | 星汉长空 | 将测试数据标识在由Python生成的底图上。在KNIME里调用Python图形库matplotlib,绘制压缩机效率等值线图,并将测试数据结果,通过KNIME处理后,传入Python Script节点,从而完成图形上点的位置的标识,还可以写入相应的文本信息。 |
2021-07-23 | 09:37 | 106 | 文件读写, Python, 案例 | 迷宫路径寻优 | 星汉长空 | 使用KNIME的图片处理节点将图片文件读入进来,使用Python Script节点,调用Python函数功能,对其中的路径进行分析,找到迷宫的解法,这是一个喜闻乐见的,体现KNIME数据处理功能的案例。 |
2021-07-23 | 13:04 | 92 | Python, OpenCV, 图像识别, 算法计算, 综合案例 | 图片图元面积计算 | 星汉长空 | 对图片中的多个多边形图形进行图像识别,计算其所占面积的数值。调用Python的OpenCV库,对图形进行角点识别,获取图像中的角点,也就是多边形的定点。根据它们的连接关系为其分组,对于同组的顶点,根据其坐标数据,使用“鞋带”公式来计算多边形的面积。这是一个从图像识别到算法计算的综合案例,当然也可以使用KNIME自带的图像处理节点,在后面的视频教程中会加以介绍。 |
2021-07-24 | 09:35 | 115 | Python, OpenCV, 图像处理, 自动化任务 | KNIME应用:图片元素计数 | 星汉长空 | 在一些工业生产工艺流程当中,需要对一些物体的数量进行统计,可以是零件、零件上的孔洞、药物颗粒等等的数量,应用非常广泛。可以使用KNIME,灵活获取这些物体的特征。通过Python的OpenCV库,对这样的特征部分进行高亮、凸显处理,屏蔽掉无效区域,然后对其数量加以统计计算,可以实现一些自动化任务,比如产品质量检验,产品数量统计等等,减轻人的劳动,特别是对于细小、密集类的物品的识别,可以使用人机协同方式来高效完成任务。同样,这样的需求也可以使用KNIME自带的图像处理节点来完成,在后面的视频教程中会加以介绍。 |
2021-07-26 | 09:36 | 580 | 网络访问, 文件读写, 表操作, 组件, 案例 | 使用KNIME提取气象数据并进行数据清洗 | 星汉长空 | 随着社会层面的数字化建设与发展,大量的基础数据会存在于网页环境当中,需要使用者自己提升技能去加以获取,比如从网站的API接口取爬取有用数据,这就形成了一种新的信息传播、分享方式。这里是以一份从网上爬取的气象数据文件为例(使用了单机版爬虫软件,当然也可以使用KNIME相关的网站信息获取节点,在后面的视频教程中会加以介绍。),使用KNIME丰富的数据处理节点功能,对其中的关键气象信息进行提取,处理,固化数据清洗的流程,最后将处理好的气象数据结果保存到数据文件当中,与他人共享,更为直接的方式是共享工作流文件。 |
2021-07-27 | 05:28 | 153 | 表操作, 分组结构, 算法计算, 案例 | 正负抵消去重案例 | 星汉长空 | 通过排序节点,对原始数据进行分组排序,然后通过分组聚合节点,进行算法计算,实现特殊的正负抵消去重操作。这个案例所要讲述的本质是,对于一些复杂的数据处理功能,通过KNIME的一些节点功能的组合,可以巧妙地加以完成,前提是对于节点功能的熟悉程度,需要通过日常需求的练习,逐步提高使用水平。 |
2021-08-01 | 07:53 | 578 | 文件读写, 网络访问, Python, 可视化 | 青岛小区房价数据可视化 | 星汉长空 | 获取一份从网上爬取的青岛各个小区的房价数据文件(使用了单机版爬虫软件,当然也可以使用KNIME相关的网站信息获取节点,在后面的视频教程中会加以介绍。),使用KNIME当中的地理信息相关节点读取地理信息格式文件,形成地图底图,然后将数形结合,利用Python图形库matplotlib进行绘图,绘制青岛小区的房价分布图。 |
2021-08-01 | 08:30 | 110 | 文件读写, 案例 | 电阻曲线拐点的人机协同处理方法 | 星汉长空 | 对于实际测试的大量地质方面的电阻曲线,需要人工找出其拐点位置,然后完成相应的数据处理。这样的拐点位置,如果使用算法加以确定,算法将十分复杂,而且未必能保证100%准确。基于以上考虑,这里介绍了一种使用KNIME,人机协同完成任务的方式,具有普遍意义。首先,使用KNIME读取测试的电阻曲线数据,将数据结果通过KNIME加工成矢量图形工程文件格式,然后使用矢量图形软件打开,观察不同的电阻曲线,由人在认为是拐点的位置,快速加以标记,人的工作量非常小,但能够发挥直觉和经验。将工程文件加以保存,再次由KNIME工作流加以读取,就可以读到人为设置的拐点位置,以此为依据,进一步将数据加工处理到所需的格式,保存到结果文件当中,人机协同完成任务。 |
2021-08-01 | 08:25 | 308 | 文件读写, Python, 可视化 | 全国温度云图 | 星汉长空 | 使用在线气象网站获取全国各个城市的气温数据,使用KNIME当中的地理信息相关节点读取地理信息格式文件,形成地图底图,然后将数形结合,利用Python图形库matplotlib进行绘图,形成全国温度分布云图。这样形成的图形,可控性非常强,绘制范围,绘制形式都是可以灵活掌握的,还可以拓展到其他数据地图可视化需求当中,原理都是相通的。 |
2021-08-02 | 05:05 | 130 | 可视化 | 制冷软件应用 | 星汉长空 | 一些工程软件里面沉淀了大量成熟可靠的功能,可以充分将其作为资源加以利用,无论是由其生成的数据,还是由其生成的图像,都可以成为资源,在KNIME当中加以调用,完成一些工程类的计算和数据可视化需求都将非常高效。无需重复性的开发,直接针对本质需求,通过资源的组织和调用就可以实现目的。 |
2021-08-02 | 07:33 | 197 | Python, 案例 | 散点曲线曲率 | 星汉长空 | 在获取曲线散点坐标的情况下,计算曲线在每一点的数值曲率,从而判断曲线的弯曲程度,也是利用了KNIME与Python的数据处理能力,完成算法的封装和调用,这样的案例具有普遍性。 |
2021-08-03 | 08:17 | 140 | Python, KNIME组件, 数据处理 | 生成拓扑网格 | 星汉长空 | 无论是工程设计还是产品设计领域,很多设备或者零件的排布都是有规律性的,可以形成一个拓扑图形,在KNIME当中,可以使用Python Script节点来调用networkx库,进行拓扑图形的分析,对于有规律的拓扑图形,还可以借助KNIME的数据处理节点功能来完成连接关系,连接位置的信息的生成,加快拓扑图形的生成效率。 |
2021-08-03 | 09:18 | 91 | Python,案例 | 枚举盘管方案 | 星汉长空 | 在产品设计领域,经常需要对设计方案进行优中选优,排列组合出多种设计方案,进行仿真计算,然后将结果展示给产品工程师,供其决策。本例是空调产品中的风机盘管的设计方案优化。在KNIME当中,可以使用Python Script节点来调用networkx库,进行拓扑图形的生成和仿真计算,使用KNIME固化这样的流程,使其可以自动化完成,将大大提高产品开发效率。 |
2021-08-04 | 08:55 | 96 | 可视化 | 交互图形调整 | 星汉长空 | 对于使用程序绘制出的图形图像,如果想进行人工调整,并且获取调整之后的新数据,可以将图形图像的格式转化为SVG格式,它是一种矢量图形格式,可以借由一些编辑工具人工进行调整,调整之后的数据结果,可以由KNIME读取SVG文件,获取其中的数据信息的方式得到。这就完成了一种人机协同,人对于数据的调整可以是凭经验的,这是无法用算法精确描述的。 |
2021-08-12 | 12:39 | 150 | 表操作 | 原子个数统计 | 星汉长空 | KNIME 软件起源于化工,生物医药领域,其中有很多关于分子式方面的插件,内含很多固化的计算功能。这里是一个关于原子个数统计的简单例子,对于分子式中没有出现的原子,可以使用缺失值填充的方式,将其统计结果赋值为零。 |
2021-08-16 | 15:18 | 142 | 组件 | KNIME在地质行业中的人机协同标定数据 | 星汉长空 | 人机协同创建地层信息,即使在平台软件上进行数据处理,有的时候也需要人来发挥经验,有些地层信息的赋值,是存在多义性的。单纯使用平台功能,可能效率并不高,使用KNIME当中的交互式界面功能,可以快速开发出人机交互界面,完成类似人机协同标定数据的功能。 |
2021-08-16 | 08:42 | 152 | 文件读写, 表操作, 案例 | 地质行业应用 | 星汉长空 | 地质钻孔文件的读取和生成,地质行业有其特殊的数据格式,可以使用KNIME加以对接和读取其数据格式文件中包含的数据;反之,也可以使用KNIME,将地质信息数据加工为某种特殊的数据格式,通过这种方式可以与某些地质行业的软件完成对接,形成整合方案流程。 |
2021-08-16 | 11:26 | 108 | 可视化 | 地质行业钻孔数据文件信息可视化 | 星汉长空 | 钻孔数据文件的信息可视化。平台软件的后处理可视化功能毕竟是有限的,可以通过KNIME,链接更为广泛的数据后处理可视化资源,灵活多变地完成数据可视化需求,开发效率高,成本低,可以满足零散需要,即想即得,即用即弃。 |
2021-08-17 | 13:22 | 144 | 时间数据类型 | 期权交易日期 | 星汉长空 | 对期权交易的时序化数据信息加以处理,得到某种交易策略的结果。 |
2021-08-18 | 09:43 | 148 | Python, 可视化 | 地质行业应用d.克里金曲面可视化 | 星汉长空 | 克里金曲面可视化,地质行业的克里金差值曲面,可以利用Python的GemPy函数库生成,然后由Pyvista库进行三维绘图。 |
2021-08-20 | 12:13 | 155 | Python, OCR, 统计汇总, 流变量 | 图像账单识别 | 星汉长空 | 对于批量的发票图像文件,使用KNIME调用pytesseract进行OCR文字识别,获取其中含有的金额信息,然后使用KNIME进行统计汇总,固化这样的处理流程,可以一键完成账单统计计算(后面还会介绍到使用KNIME自带的OCR节点功能来完成相似的需求)。 |
2021-08-22 | 08:29 | 119 | 网络访问, Python, 案例 | 利用KNIME和RPA在网站环境中执行Matlab代码 | 星汉长空 | 有一些网站提供了在线执行代码完成计算的功能,比如octave网站,其代码形式与Matlab基本一致。大家知道Matlab在数值科学计算领域的功能是十分强大的,为了利用这些网站的功能,可以使用KNIME来形成代码,然后使用RPA的方式,将其在网站环境中执行,从而获取计算结果。 |
2021-08-23 | 07:32 | 215 | Python, 网络访问, 可视化, 案例 | 数据表格比较 | 星汉长空 | 为了比较两个数据表格的不同,使用KNIME调用了Python的filediff库,可以将结果显示在网页环境中,查看两个数据表格的不一致之处。 |
2021-08-24 | 10:00 | 131 | 案例 | 拼板玩具的数据处理解法 | 星汉长空 | 拼接玩具的解法,需要进行大量尝试,使用KNIME数据处理功能替代人去进行拼板的可行性结果尝试,从而获取部分答案。这是机器替代人工进行繁琐劳动的一个案例,十分易懂。 |
2021-09-03 | 11:39 | 217 | Python, OpenCV, 图像处理, 案例 | 图像尺寸识别 | 星汉长空 | 使用Python的OpenCV库(当然也可以使用KNIME自带的图像处理节点,在后面的案例中会加以介绍),识别图像中的PCB板及参照物(硬币)的轮廓,通过对轮廓数据的计算,获取二者的像素面积,已知一枚硬币的实际大小,可以通过比例关系,推算出PCB板的面积。 |
2021-09-04 | 09:26 | 143 | 组件, 案例 | 使用KNIME进行图像尺寸提取 | 星汉长空 | 使用KNIME当中的交互式图形标记节点,在图像上做标记,从而标识PCB板上的大量电子器件的坐标位置及相对位置关系,通过硬币作为参照物,可以推算出各个电子器件的尺寸,间隔距离等等信息。 |
2021-09-06 | 10:27 | 152 | Python,图像处理, 案例 | 使用OpenCV和KNIME校正透视图像尺寸 | 星汉长空 | 使用Python的OpenCV库,借助KNIME的交互式图形标记节点,可以对透视图像进行校正。例子当中是将高速公路的透视图,校正为俯视图,从而计算车辆之间的间距情况。 |
2021-09-08 | 08:28 | 75 | 表操作 | 解金字塔玩具a | 星汉长空 | 坐标体系,基础之重。这一集主要介绍为了完成一定的数据处理或者算法计算任务,一定要做好基础性准备工作。为了使用KNIME求解金字塔玩具的解法,首先需要建立合理的坐标系。一个合理的坐标系,可以为KNIME加工数据带来极大的便利条件。 |
2021-09-08 | 11:53 | 493 | 组件 | 工作流桑基图 | 星汉长空 | 使用KNIME,向单机版桑基图制作软件的工程文件中输入数据,从而改变桑基图的显示样式,完成桑基图的自动绘制和更新。这本质上利用了现有桑基图制作软件的功能,与KNIME的数据信息处理功能相结合,合作完成桑基图的制作。 |
2021-09-09 | 11:09 | 93 | 组件 | 解金字塔玩具c: KNIME工作流的解耦灵活性 | 星汉长空 | 工作流解耦灵活性。工作流的设计是十分灵活多变的,通过工作流的组合,可以将整体任务变为多个独立的单元部分,这些部分可以自由地组合,根据情况使用不同的搭配。这在代码的编写模式下是十分困难的,这是KNIME工作流的一大特点,可以实现解耦,快速搭接形成新方案。 |
2021-09-09 | 08:54 | 53 | 组件 | 解金字塔玩具d: 用户交互输入界面 | 星汉长空 | 用户交互输入界面。对于某种金字塔的解法,预先都会给出一些提示,提前放置几块积木,不然可能的解法太多,失去了人工解决的可能。如何将提前放置的积木信息加以录入,需要一个人机交互的界面,使用KNIME就可以很容易地实现这样的界面需求,不仅有可编辑数据的表格节点,也有各种快速交互控件可供选择。 |
2021-09-09 | 11:15 | 71 | 人工智能 | 解金字塔玩具b.人机协同遍历积木 | 星汉长空 | 人机协同遍历积木。积木的形态有很多,如果使用算法来遍历生成,得不偿失。可以使用人机协同的方式,通过人在一些软件环境中的快速操作,再由KNIME读取人生成的信息,就可以使某些任务的完成,变得十分高效。 |
2021-09-10 | 09:12 | 51 | 流变量 | 解金字塔玩具e: 使用KNIME快速应对需求变革 | 星汉长空 | 快速应对需求变革。由于使用了KNIME工作流的节点进行搭接来完成需求,如果需求有所变化,也可以迅速推倒重来,对需求的变更响应速度非常快,这是编写代码不容易做到的。这里是由于后续需求变更,对于积木块编码形式的变化,使用KNIME可以迅速实现。 |
2021-09-10 | 10:11 | 76 | 可视化 | 解金字塔玩具f: 组织资源完成任务 | 星汉长空 | 组织资源完成任务。关于金字塔玩具解法的结果展示,是一种数据结果的后处理,可以使用多种绘图软件加以实现,调用矢量绘图软件的现有功能,为展示金字塔玩具解法服务,加快了功能实现的效率。 |
2021-09-10 | 06:29 | 135 | Python, 可视化, 案例 | 解金字塔玩具g: 虚拟环境,人机协同 | 星汉长空 | 虚拟环境,人机协同。既然金字塔玩具是一种三维立体玩具,使用KNIME调用Python绘图库mayavi,在电脑上实现了一个虚拟的玩金字塔玩具的环境,人可以在这个环境下完成搭建积木的尝试,相当于一个十分简单的数字孪生。 |
2021-11-19 | 54:47 | 340 | 时间序列,金融数据, 人工智能, 自动化交易 | 金融时序数据处理会议 | 星汉长空 | 关于金融数据的处理会议。处理的是时序数据,根据需要使用KNIME对金融市场的数据加以分析整理,加入人的经验判断,形成操作策略,加快决策形成的效率,时效性非常强。甚至可以结合定时任务,RPA,实现自动化交易。 |
2021-12-24 | 77:14 | 223 | 表操作, 案例 | 主次信息合并 | 星汉长空 | 很多数据源是有其自身的格式设计的,为了完成数据处理,需要使用KNIME设计相应的工作流完成数据的清洗、分类、合并等等操作。这里是一个简单的关于气体成分信息的主表、次表依据关键字进行合并的案例。 |
2021-12-28 | 16:52 | 120 | 组件 | KNIME工作流节点实现空调制冷设备系统选型 | 星汉长空 | 通过KNIME工作流节点,固化空调制冷设备系统的选型逻辑。其中提供了人机交互的界面,可以输入工况参数,选型要求等等。通过KNIME来进行制冷系统的设计计算,通过计算结果完成设备的选型,整个过程可以通过一键实现,减轻了人的劳动,特别适合非标定制的需求实现。 |
2022-01-12 | 51:20 | 93 | 文件读写, 数据分析, 报告生成 | 合并机器日志 | 星汉长空 | 随着传感器的大量引入,机器替代人去观察和记录世界,产生了大量的日志文件,里面记录了设备运行的关键信息。使用KNIME可以固化对日志文件的读取、分析流程,将大量机器日志中的有用信息加以提取,然后以报告的方式发送给相关工程人员,便于他们定位问题、高效决策。 |
2022-01-15 | 63:24 | 518 | 表操作 | 水力平衡计算自动生成 | 星汉长空 | 建筑设计行业。使用KNIME自动生成采暖水力计算书,减少建筑设计师的手工劳动,统一管网系统水力计算书生成质量,一键固化理论计算方法和人为操作流程。人机协同进行调整,允许人发挥经验进行干预和调整。 |
2022-01-16 | 27:59 | 144 | 文件读写, Python,案例 | 图纸信息提取 | 星汉长空 | 将保存在比如AutoCAD文件当中的建筑设计信息加以提取并进行分析整理。建筑设计的原有模式,处理信息的主体是人,人处理信息的效率非常低,而且有很大风险。既然信息已经被保存在通用格式文件当中,使用KNIME或者Python就可以读取里面的信息,固化信息提取、分析、整理的流程。 |
2022-01-17 | 24:27 | 97 | 文件读写, Python, 组件, 数据处理 | 利用KNIME进行三维设计文件的读取与处理 | 星汉长空 | 可以利用一些三维设计软件,实现人的设计意图,将工程文件保存为通用信息格式文件,比如dxf格式,就可以使用KNIME调用Python库对其中的几何信息加以读取,然后利用KNIME丰富的数据处理节点功能进行分析、整理、计算,后续对接计算引擎或其他处理模块实现进一步的工程计算功能。 |
2022-01-18 | 17:35 | 125 | 表操作, 流变量, 组件, KNIME | 设备数据汇总 | 星汉长空 | 设备采样数据具有数据量大,清洗需求多样,汇总难度大等等特点。使用KNIME对上述流程进行工作流固化,可以大大减轻工程师的劳动,提高数据处理的质量,KNIME当中对于数据处理的节点十分丰富,各种各样的数据处理需求都可以灵活地加以实现。 |
2022-01-22 | 33:08 | 297 | 文件读写, 表操作, 组件, 错误处理 | 大气数据清洗 | 星汉长空 | 大气污染物数据,数据文件格式特殊,数据需要清洗,数据的特点很多,处理方式多样,具有非常强的专业性。可以通过KNIME,将这些专业处理逻辑加以固化,这样可以节省工程人员宝贵的时间,将这样的需求交给他人,他人不会有这样的专业能力,只有固化在工作流当中,由机器执行,才是相对正确的方式。 |
2022-01-23 | 48:11 | 158 | 文件读写 | 获取图纸信息 | 星汉长空 | |
2022-01-24 | 43:51 | 346 | Python | KNIME与Python对接 | 星汉长空 | 可以大大拓展KNIME的功能,因为Python的函数库非常多,算法资源也是非常丰富。在KNIME里调用Python应该成为一种基本技能。 |
2022-01-28 | 17:37 | 337 | Excel | 改造Excel工具 | 星汉长空 | 企业当中有很多Excel工具,沉淀了很多业务逻辑,算法流程。可以使用KNIME,采用文档化编程的方式,将其中蕴含的逻辑挖掘出来,形成基于KNIME的计算工具,这样便于团队协作、共享和复用算法资源。 |
2022-02-14 | 54:56 | 59 | 组件 | 资源组织模式 | 星汉长空 | 使用KNIME可以实现人员、算法、数据的高度自组织,任何需求都可以通过现有资源的高效组织复用加以应对。 |
2022-02-17 | 46:12 | 190 | Python, OpenCV, 案例 | 钢筋数量识别 | 星汉长空 | 在一些工业生产工艺流程当中,需要对一些物体的数量进行统计,可以是零件,零件上的孔洞,药物颗粒等等的数量,应用非常广泛。这里使用KNIME,通过Python的OpenCV库,识别钢筋的数量,是一种低成本、高效率获取产品工艺参数的解决方案。 |
2022-02-19 | 33:19 | 157 | 时间数据类型 | KNIME时间处理节点介绍 | 星汉长空 | 时序数据文件的格式可能是不尽相同的,为了完成统一处理,必须预先进行格式的“同一”操作。这里介绍了一些KNIME时间处理相关的节点功能,这都是十分基础的功能。KNIME当中的相关节点非常多,用好了会对时序数据处理任务起到事半功倍的效果。 |
2022-02-27 | 41:42 | 139 | 组件 | 使用KNIME绘制矢量图形 | 星汉长空 | 使用KNIME组织信息,使用参数化驱动的方式来绘制矢量图形文件,十分高效、精确。 |
2022-03-08 | 07:03 | 154 | 组件 | 工作流宏配合 | 星汉长空 | 使用宏命令文件,可以将KNIME与其他软件平台对接起来,共同配合完成很多数据处理任务。这里使用的是ParaView图形后处理开源平台,功能十分强大,它的信息处理部分,可以交给KNIME,KNIME通过固定格式的数据文件,宏命令文件与其对接,可以实现十分复杂的数据后处理需求。 |
2022-03-12 | 53:33 | 178 | 框架介绍 | 工作流初认识 | 星汉长空 | 简单介绍了工作流的相关概念和理念,KNIME在数据分析处理任务当中能够发挥的价值,起到的关键作用。 |
2022-03-15 | 64:28 | 101 | 案例 | 工流实例讨论 | 星汉长空 | 使用工作流完成的一些实际项目介绍。 |
2022-03-16 | 19:38 | 113 | 流变量, 组件, 可视化 | KNIME公式拟合 | 星汉长空 | 使用KNIME工作流固化公式拟合的流程,并可以支持交互式公式调整,交互式数据清理等等。 |
2022-03-17 | 26:44 | 106 | 案例, 组件, 可视化 | 图像识别讨论 | 星汉长空 | 使用KNIME工作流完成的图像识别项目介绍(后面有KNIME自带的图像处理节点介绍)。 |
2022-03-19 | 44:07 | 109 | 案例 | 冷机设计节能 | 星汉长空 | 使用KNIME工作流完成冷机相关的设计及优化。 |
2022-03-22 | 21:00 | 133 | 文件读写 | KNIME文件操作节点介绍 | 星汉长空 | 介绍了KNIME当中一些涉及到文件操作的节点功能,比如复制,移动,删除,读取内容等等。 |
2022-03-25 | 30:45 | 119 | 流变量 | 实验数据获取 | 星汉长空 | 从一些专业软件上获取基础数据,可以使用KNIME来固化这样的数据获取流程。 |
2022-03-26 | 71:10 | 139 | 表操作, 数据清洗, 统计分析 | 电量清洗计费 | 星汉长空 | 使用KNIME处理电量统计数据表格,对电量数据进行清洗、分析、分类统计等处理。 |
2022-03-29 | 18:09 | 295 | Excel, 循环, 文件读写 | 使用KNIME循环保存Excel文件中的多个工作簿 | 星汉长空 | 使用KNIME,将一个Excel文件中的多个工作簿,拆分保存为多个Excel文件。这里面涉及到循环节点的使用,这是很重要的技能,需要对KNIME当中的各种循环节点进行系统学习。在很多的数据处理过程当中,都会用到。 |
2022-04-16 | 43:42 | 870 | 可视化, 数据库 | 透视疫情数据 | 星汉长空 | 市面上不可能刚刚好有一款软件平台,正好适合获取疫情数据需要,并进行地理信息系统可视化展示,这像极了企业中海量临时的数字化需求,通过KNIME结合数字平台数据源,灵活多变加以应对,却可以达到这样高的时效性要求。 |
2022-09-17 | 10:11 | 255 | 可视化 | KNIME实现参数监控大屏 | 星汉长空 | 现在数字大屏特别流行,但是购买一套大屏系统的成本很高,而且定制化很难满足。使用KNIME,可以通过一些开源资源的组合,形成一个大屏数据展示系统。开发效率高,定制化程度强,成本低,基本都是开源免费资源组合形成,适合工业企业现场大屏数据展示使用。 |
2022-09-18 | 14:29 | 103 | 数据库 | 链接多数据库 | 星汉长空 | 在KNIME里面,有大量的数据库处理相关节点,可以链接数据库,对数据库的表格进行加工整理,写回数据库,都十分方便,而且可以固化、分享和传递这样的流程。可以在KNIME里面,联合使用关系型和非关系型数据库,充分发挥它们各自的特点,为我们的需求服务。 |
2022-09-19 | 08:52 | 145 | 循环, Excel, 案例 | 批量Excel模板 | 星汉长空 | 复用既有Excel模板文件,使用KNIME循环节点,进行批量参数化数据填充,形成若干Excel文件实例。这样的过程可以由工程师手动完成,也可以使用工作流建立定时任务,自动由Excel模板生成报告,并通过邮件发送给相关人员。 |
2022-09-19 | 05:35 | 60 | 可视化, 时间序列, 组件 | 设备状态监控 | 星汉长空 | 建立简易设备监控面板,使用KNIME工作流建立定时任务,更新监控面板网页图元。使用图形可视化的手段,监控设备实时状态。 |
2022-09-21 | 06:54 | 109 | 表操作, 文件读写, 数据库, 可视化 | 使用KNIME生成SVG动画 | 星汉长空 | 使用矢量图形工具绘制设备系统流程图十分方便,将流程图保存为SVG格式文件,可以由网页浏览器打开,观看SVG系统流程图上的参数信息。使用KNIME工作流建立定时任务,对接数据库,参数化驱动流程图上的文本信息发生变化,可以实现简单的实时系统状态监控任务。 |
2022-09-22 | 07:54 | 59 | 文件读写, 时间数据类型, 组件, 分支结构, 错误处理, 时间序列 | KNIME实现大屏项目实时图像更新 | 星汉长空 | 使用开源免费的大屏项目工具包,对接云存储文件中的数据和图像,使用KNIME工作流建立定时任务,根据实时数据库中的数据,分析整理生成图形文件,然后更新云存储文件内容,即可在大屏项目网页中实现实时图像更新。 |
2022-09-23 | 15:22 | 147 | 表操作, 文件读写, KNIME工作流, 案例 | 空调二次回风选型计算流程固化方案 | 星汉长空 | 空调新风机组的组合情况非常多,存在大量的非标定制任务,以往需要工程师大量的手工劳动来进行空气调节方案计算,确定湿空气处理工况状态点的参数,然后经过理论计算确定机组各种设备的相关型号,然后汇总成报价单,选型计算书等等文件,工作量非常大,而且变更频繁,消耗大量人力物力。这里介绍的方案是通过KNIME工作流固化机组选型计算流程,工程师可以在KNIME环境下进行充分地发挥,灵活根据空气处理方案的特点建立状态点计算流程。一旦某种类型的方案工作流确定下来,当工况条件发生变化时,可以一键自动完成设备选型计算工作;如果方案无效,也可以灵活调整,通过增加空气处理段,加以适配,在KNIME中非常容易实现。 |
2022-09-24 | 11:54 | 67 | Excel, 可视化 | 设备数量统计 | 星汉长空 | 以往工程师在Excel或者AutoCAD环境下完成系统设计之后,机器对设备的类型和数量并不能感知,因为图纸和计算书中的内容还是以人处理信息的方式设计的,所以关于统计类的需求,都只能通过人的手工劳动来获取,数量不大的时候,问题还不够突出,当系统中的阀门、管件等数量众多,人工方式存在风险。这里要求工程师在设计的时候就使用矢量图形软件,这样信息可以被机器感知,通过KNIME读取图形文件,就可以对其中的信息加以获取和统计,十分方便。 |
2022-09-25 | 15:38 | 55 | 表操作 | 设备分区状态 | 星汉长空 | 确定状态点在一个XY平面直角坐标系中复杂的分区情况下的位置,处于哪一个区。这在压缩机运行的过程中是十分重要的参数,可以确定压缩机现在所处于的运行工况特点。一般这样的分区图在手册或者教材上,需要将其数字化,然后通过一定的算法,来确定当前运行状态点,与各个工况分区的位置关系,返回所在分区的编号。 |
2022-09-26 | 10:24 | 56 | 可视化 | 数据驱动亿图 | 星汉长空 | 使用亿图软件,可以绘制设备系统流程图,因为其中已经内置了大量的设备图块资源,不需要从零绘制。这里介绍了使用KNIME来驱动亿图图像上的文本信息发生变化,从而反映参数的实时变化,结合图形化的设备系统图,这样的参数变化更为直观,便于工程师对系统整体的运行情况有所掌握。 |
2022-09-29 | 10:12 | 40 | 可视化, 文件读写, SVG | 机械结构验证 | 星汉长空 | 只不过图形不是由Python库绘制,是来源于SVG矢量化图形文件。 |
2022-09-30 | 11:27 | 82 | 表操作 | 交互筛选数据 | 星汉长空 | 对于海量测试数据进行清洗,清洗的条件不是固定的,需要人通过对数据的分布状态观察而临时确定。使用KNIME可以完成这样的尝试迭代,工作流的运行可以被暂停,通过某种条件再次重启,借助巧妙的设计,就可以实现人机协同。 |
2022-09-30 | 12:09 | 38 | Excel | 交互审视图集 | 星汉长空 | 使用Excel VBA建立一个交互环境,可以交互式浏览批量的图片。这里只是提供一种概念,各种工具可以有效地组织起来完成任务,并不是说使用VBA是先进的,或者说唯一的方案。即使是久远的技能体系,也可以在某些情况下形成经济合理,适合当下需求的解决方案。 |
2022-10-01 | 10:11 | 97 | 案例, 机器学习/人工智能, 组件 | 交互数据清洗 | 星汉长空 | 同样是数据清洗,这一次清洗的条件不是通过观察就能获得的,需要通过算法计算,根据某种条件判断才能实现。例子给出了一个数据拟合的案例,拟合点偏差较大的点将被删除,这个较大的标准就是由人观察拟合结果后确定的,即使确定了,删除点的动作也是依赖算法的,使用KNIME可以固化这样的计算流程和逻辑判断,人机协同,完成复杂的数据清洗任务。 |
2022-10-02 | 07:36 | 40 | 机器学习/人工智能 | 交互点集分类 | 星汉长空 | 对于点集分类这样的任务,具有很强的主观性,使用KNIME建立交互式环境,允许人在里面发挥经验,简单设置点集的分类属性,然后由KNIME读取人的分类结果,完成最后的数据处理,为数据添加分类属性。 |
2022-10-02 | 08:09 | 48 | 可视化 | 使用KNIME界面控件节点进行参数调整对比 | 星汉长空 | 使用KNIME的界面控件节点,建立参数调整界面,通过人的调整,寻找最佳的数据处理阈值条件,对于不同的设置,可以通过三维数据可视化节点进行结果的对比,人机协同高效完成任务。 |
2022-10-03 | 08:26 | 64 | 组件 | 参数驱动动图 | 星汉长空 | 为机械结构参数设置交互式调整界面,在调整之后,可以观察机械结构运动特点的改变。 |
2022-10-04 | 10:09 | 66 | 网络访问 | KNIME参数控制面板 | 星汉长空 | 通过在KNIME中建立一个参数控制面板,来控制设备在监控大屏上的状态,这样的控制面板和监控大屏界面可以不在同一台电脑上,可以是联网的任意两台电脑,可以实现远程控制。 |
2022-10-05 | 15:21 | 89 | 流变量, 组件, 可视化 | KNIME工作流程在线界面参数输入和维护 | 星汉长空 | 利用免费在线流程图绘制环境,作为参数输入和维护的界面,使用KNIME读取其工程文件,然后驱动工作流进行信息的处理和各种工程计算,这样就免去了人机前端交互界面的开发。 |
2022-10-05 | 07:54 | 47 | 案例, 表操作, 时间数据类型, 组件, 可视化 | 处理气象数据 | 星汉长空 | 通过处理气象数据案例,进行KNIME工作流教学,使学员初步掌握KNIME处理数据的基本功能,对KNIME工作流模式形成基本概念和直观感受,以便在工程实际中加以应用,提升水平。 |
2022-10-05 | 18:45 | 132 | 循环 | 循环节点讲解 | 星汉长空 | 循环节点在KNIME工作流使用当中是非常重要的一类节点,很多时候都需要对数据集合当中的某个维度的多组数据进行同样的操作。熟练掌握各类循环节点的用法,以及它们之间的组合用法,对于提升数据处理水平是很有帮助的。 |
2022-10-06 | 11:00 | 53 | 文件读写, JSON/XML类型, 组件 | 百变功能界面 | 星汉长空 | 为了完成参数条件的录入,需要开发人机交互界面,这样的界面是千人千面的,难免重复开发。这里采用了通用数据交换格式文件(JSON文件)的编辑工具来作为人机交互界面,这样就大大提高了该界面的适用范围。KNIME可以调用外部工具,将该单机工具作为工作流的一部分,这样就省去了界面开发的工作量。 |
2022-10-06 | 05:50 | 50 | 可视化 | 灵活拓展界面 | 星汉长空 | JSON界面用于大屏设备状态控制需求。 |
2022-10-07 | 12:10 | 36 | 可视化 | 树形信息维护 | 星汉长空 | 使用矢量图形软件来形成人机交互界面的方案。 |
2022-10-08 | 10:30 | 45 | C++开发 | 通用驱动界面 | 星汉长空 | 使用C++开发了一个通用的人机交互界面,还可以实现参数的滑杆调整,因为C++中有丰富的控件资源,这样的开发工作量不大。但是要注意界面的通用性,复用性,一次开发最好能应用于不同的项目当中。当然,不能复用也没有关系,这样的开发工作量非常小,C++开发非常成熟。 |
2022-10-09 | 12:08 | 73 | 案例 | 交互融合数据 | 星汉长空 | 这是一个实际工程需求,融合压缩机单机测试数据和整机测试数据,使二者合成的压缩机效率云图既能反映整机测试结果,又不违和,云图等值线平滑流畅,趋势正确,这是很难实现的任务,以往需要有经验的工程师慢慢调整数据来实现。这里使用KNIME工作流,配合上面的C++通用交互界面的滑杆来逐渐改变设置,立刻可以观察到两组数据的融合效果,调整两组滑杆,直到等值线图达到满意的效果为止,然后由KNIME工作流将更新后的数据信息输出至数据文件。 |
2022-10-09 | 11:20 | 57 | 可视化 | 通用图形浏览 | 星汉长空 | 将上面C++开发的通用交互界面应用于参数调整需求,界面提供参数条件,KNIME通过参数化驱动来更新图像,在交互界面上就可以看到图形变化。用户不会感知到工作流的工作,工作流处于后台运行。用户只在通用界面上调整参数,就可以立即观察到图形的变化,进行迭代、尝试。 |
2022-10-10 | 10:29 | 49 | 时间序列 | 参数动画界面 | 星汉长空 | 还是利用C++通用界面,实现动画效果的改变,观察在时间维度下图形的变化趋势。 |
2022-10-11 | 11:39 | 56 | Python | 调整空调方案 | 星汉长空 | 还是利用C++通用界面,改变空气调节方案中的设计参数条件,来观察方案的可行性。 |
2022-10-12 | 09:31 | 35 | 三维分布散点, 下边界曲面 | 寻找下界曲面 | 星汉长空 | 还是利用C++通用界面,通过调整参数设置,找到一组三维分布散点的下边界曲面。 |
2022-10-13 | 16:12 | 39 | 数据处理 | 归一曲线比较 | 星汉长空 | 对不同的参数进行归一化处理,将它们的值都归一化到比如[0,1]区间,这样便于观察它们之间的相关性,一致性,或者是否有固定相位差的规律。如果不进行归一化,数据的数量级相差太大,这样的规律很难被观察出来。 |
2022-10-14 | 11:30 | 121 | 案例 | 基于KNIME工作流的风冷冷凝器选型软件 | 星汉长空 | 基于KNIME工作流的风冷冷凝器选型软件。 |
2022-10-16 | 12:22 | 47 | 可视化 | 绘制文本曲线 | 星汉长空 | 借助矢量图形软件,由KNIME加工组织信息,生成由文本排布成的曲线。曲线形状预先由绘图软件绘制,由KNIME进行图形读取,获取曲线坐标位置,然后将文本排布在坐标点上。 |
2022-10-17 | 12:08 | 47 | 列操作, 案例 | 使用KNIME实现产品编号分割案例 | 星汉长空 | 产品编号往往按位数分隔,具有固定的含义,如何将批量的编号信息,按一定的位数规律加以分割,识别其中每一段的含义,这里介绍的是使用KNIME完成相关需求的案例。 |
2022-10-18 | 10:59 | 40 | 可视化 | 微件选参绘图 | 星汉长空 | 通过KNIME中的微件,形成界面,为数据可视化图形的生成,提供参数输入。 |
2022-10-18 | 11:13 | 34 | 可视化 | 图片曲线插值 | 星汉长空 | 从图片上获取XY平面坐标系中的若干曲线,并使用曲线上的数据进行插值计算。 |
2022-10-18 | 12:09 | 117 | Python, KNIME微件, 可视化 | KNIME微件与Python交互图形 | 星汉长空 | 使用KNIME微件建立参数设置界面,并将Python图形也布置在界面中,通过调整参数,改变图形显示,有利于工程师进行尝试。 |
2022-10-19 | 07:52 | 60 | 文件读写, XML类型 | XML数据表格 | 星汉长空 | 在KNIME当中,利用XML格式来维护数据,包括从XML文件中读取数据;或者,将数据表格保存至XML文件。 |
2022-10-23 | 09:56 | 59 | 可视化 | KNIME图表看板建立 | 星汉长空 | 在KNIME里面建立图表看板,可以通过布局界面来调整图形及控件所在的位置。 |
2022-10-24 | 18:03 | 64 | 机器学习/人工智能 | 曲线交互分类 | 星汉长空 | 将一簇曲线(散点形式)进行分类,为每个散点数据点赋予标签,确定其属于哪一条曲线,这种任务需要人机协同完成,实际情况千差万别,使用算法未必能够保证100% 的正确率。这里介绍的使用KNIME进行曲线分类的方案,尽量减轻了人的劳动。 |
2022-10-24 | 06:03 | 41 | 错误处理, 案例 | KNIME流程异常处理 | 星汉长空 | 使用KNIME建立办公自动化流程并不总是一帆风顺的,有时会遇到工作流异常终止的情况,这就需要我们熟练掌握KNIME的流程异常处理类节点,旁通掉异常部分,兼容错误的情况,使工作流仍然能够自动执行,同时可以记录错误出现的情况,这里通过一个案例加以介绍。 |
2022-10-25 | 09:43 | 73 | 组件 | 快速交互界面 | 星汉长空 | 通过KNIME微件建立人机交互参数输入界面,比如输入参数数值,日期范围等等,然后由参数驱动后面的工作流运行,完成相应的数据筛选及处理。 |
2022-10-25 | 10:04 | 49 | Python, 可视化, 时间序列 | 假期日历分布 | 星汉长空 | 调用Python图形库matplotlib,将假期分布绘制在日历坐标系下,同时提供交互式界面,当用户输入查询的时间段,可以给出假期分布的可视化结果。 |
2022-10-26 | 04:51 | 80 | 循环, 案例 | 条件终止循环 | 星汉长空 | 有时候要根据某些条件判断,中断KNIME工作流当中的循环,这里通过案例介绍了这一功能。 |
2022-10-27 | 11:21 | 74 | 组件 | KNIME调用外部工具参数设置界面详解 | 星汉长空 | 详细介绍了使用KNIME调用外部工具。 |
2022-10-28 | 06:35 | 29 | 组件 | 多工作流协作 | 星汉长空 | 多人建立的工作流可以通过互相调用实现整合。 |
2022-10-28 | 13:52 | 32 | 列操作 | 命名分割条码 | 星汉长空 | 采用了另外的节点来实现同一需求,并且为分割出来的部分命名。 |
2022-10-29 | 09:32 | 111 | 循环 | 字符子串查找 | 星汉长空 | 通过正则表达式或者通配符来判断字符串是否为其他字符串的子字符串,使用循环批量判断。 |
2022-10-29 | 11:23 | 71 | Excel, 表操作 | Excel局部拷贝 | 星汉长空 | 读取Excel的局部区域,使用变量的例子。 |
2022-10-30 | 13:53 | 50 | Excel, 组件, 分支结构 | 操作多工作簿 | 星汉长空 | 如何使多个工作簿当中的内容逐次参与到工作流的数据处理流程,这里采用了三种方法,可以体会到不同节点在不同方案中的使用情况,都可以完成同一个数据处理目的。 |
2022-10-31 | 08:54 | 45 | 图形交互操作 | 人工圈选点集 | 星汉长空 | 借助KNIME的图形处理节点(图形交互式标记节点),实现人机协同,由人进行点集的圈选,然后由工作流进行处理,对点的分类属性进行设置。 |
2022-10-31 | 09:57 | 83 | 列操作 | 数据分段合并 | 星汉长空 | 使用四种方法实现了一列数据的分段列合并,虽然例子很小,但是通过不同的实现方法,可以学到很多节点的功能,在其他的数据处理过程中,都可能会加以应用,通过这样的例子,可以建立节点功能的相关概念。 |
2022-11-01 | 12:50 | 92 | 行操作, 组件, OCR识别, 数据整理 | 发票信息提取 | 星汉长空 | 这种方式更为先进,可以借助KNIME当中的交互式标记节点,选出需要识别的区域,然后使用KNIME自带的OCR识别节点,完成发票数据信息的批量提取,最后加以汇总整理。 |
2022-11-03 | 11:44 | 119 | 报告节点 | 创建简易报告 | 星汉长空 | KNIME当中提供了报告节点和报告布局排布功能,可以将通过工作流执行出来的文本、图片,排版成报告格式,便于以后一键生成报告。报告支持的输出格式也非常多,word,pdf,Excel,html,ppt等等。这个功能非常实用,KNIME不仅固化了大数据的处理流程,也固化了报告形式,一键生成报告可以汇报、分享、分析,都十分便捷,提高了需求解决的时效性。 |
2022-11-04 | 11:36 | 57 | 时间数据类型 | 破解日期密码 | 星汉长空 | 这里介绍了一种数字不同进制间转换的通用方法,可以用于信息加密,信息压缩,信息符号化等多种用途。 |
2022-11-05 | 07:32 | 86 | 表操作 | 横竖汇总数据 | 星汉长空 | 熟悉Excel格式的使用者,往往希望能够在KNIME里对表格进行行方向和列方向的数据汇总,比如求和,求平均值,求最大/最小值等等,希望将这样的统计指标附加在原数据表格之上。虽然这样的需求不是必须的,统计指标不是一定要附加在原数据表格才能供人发挥经验,且会对原始表格造成一定干扰,但是考虑到使用习惯问题,这样的需求在某些情况下也需要得到满足,这里介绍了在行列方向上对KNIME当中的数据表格进行汇总的方法。 |
2022-11-06 | 11:02 | 175 | 网络访问, 表操作, 案例 | 太阳辐射数据获取案例 | 星汉长空 | 从网站图片上获取信息的案例,在光伏行业,太阳辐射数据是非常重要的基础数据。在网站上根据经纬度坐标,获取某地的太阳辐射数据表格图片,然后识别其中的数据,未来用于仿真计算。 |
2022-11-07 | 07:59 | 73 | 文件读写, 流变量, 组件 | 图纸部件统计 | 星汉长空 | 使用KNIME读取工程图纸文件,获取其中的信息,完成设备的统计,设备工况参数的获取等等需求,然后将这些信息进一步加工整理。固化工程师的操作流程,减少工作量,提升工作效率。 |
2022-11-08 | 10:09 | 54 | 组件 | 图像调参识别 | 星汉长空 | 某些图像不具备直接文字识别的条件,其背景颜色非纯色填充。可以使用KNIME,调用OpenCV库,通过调参界面,观察彩色空间变换的结果,找到适合文字识别的图片处理方式。 |
2022-11-09 | 10:58 | 52 | 案例, 图像处理 | KNIME图像处理节点案例:折线图像复现 | 星汉长空 | 将网站上的一个折线图,通过图像识别的方式在KNIME当中加以复现,提取折线图上的数据。(当然,也可以通过网页爬虫的方式获取数据,通过该案例展示KNIME图像处理节点相关功能。) |
2022-11-10 | 12:07 | 29 | 案例 | 交互点集识别 | 星汉长空 | |
2022-11-10 | 10:29 | 56 | 图像处理, 交互式标记节点, 文本识别 | 交互文本识别 | 星汉长空 | 使用KNIME图像处理节点当中的交互式标记节点,可以通过人机交互的方式,选定需要进行文本识别的范围,这样便于对于图像局部进行文本识别,避免了全部识别之后再进行筛选的操作。 |
2022-11-11 | 12:40 | 71 | 时间数据类型 | 非均日期序列生成 | 星汉长空 | 根据给定的起始日期和日期间隔序列,生成一组非均匀分布的日期序列,这里采用了三种方法来实现这一需求:日期筛选法、日期偏移法、依次偏移法。之所以用了三种方法,是想通过这样一个简单易懂的实例,来展示很多节点的功能,加深读者对于这些节点的理解和认识,便于在其他数据处理需求当中对它们加以应用。 |
2022-11-12 | 14:44 | 79 | 拟合, PLC编程 | 拟合湿球温度 | 星汉长空 | 关于湿空气湿球温度的计算,有理论公式可以应用,但该公式较为复杂,不适合在比如控制领域的PLC编程领域使用。本例给出的方案是,首先通过离线计算,获取大量状态点下湿球温度的计算结果,然后通过KNIME的数据处理功能,进行曲面拟合,获取简单形式拟合公式的拟合系数,未来可以将拟合系数内置于PLC当中,实时计算湿球温度用于控制逻辑,是一种高效可行的方案。 |
2022-11-12 | 16:20 | 54 | Python | 脚本数据结构 | 星汉长空 | 在脚本代码里使用科学的数据结构,可以拓展脚本的使用场景,便于后续的维护拓展。数据结构的科学性、合理性,对于数据处理的效率是至关重要的,需要加以重视。 |
2022-11-13 | 10:04 | 40 | 流变量, 组件, 图像处理, 数据处理 | 固化图上取点 | 星汉长空 | 从样本、教科书或者网站,可以获取带有坐标系曲线的图片,往往需要将其数字化,得到图片当中曲线上的数据。整体流程较为复杂,使用KNIME可以固化整个流程,首先是可以利用KNIME交互式标记图像的节点,进行图片中坐标轴位置的确定,参考坐标点的信息录入,接着可以使用交互标记功能,把曲线上的点通过人工方式进行标记或者通过图像识别的方式进行获取,得到的是曲线的像素坐标位置。最后使用KNIME强大的数据处理功能,根据坐标系相关信息进行折算,最终获取图片上曲线的真实坐标值,然后用于后续的计算。 |
2022-11-13 | 10:40 | 42 | 图像处理 | 实时取点拟合 | 星汉长空 | 上面介绍的图像取点过程,是一种人机协同的方式,用于离线获取图片上的曲线坐标。如果是在线,需要实时获取图像中图元的信息,就难以实现。需要使用KNIME的图像相关处理节点,固化图像的处理过程,本例介绍的是根据曲线的不同颜色,将多条曲线加以区分,从而替代人对于曲线的识别和选择,将曲线识别和坐标获取的整体流程完全加以固化,这种方案会多消耗一些工作量,且完全交给机器不能保证100%准确,可以视应用场景来确定是否需要人机协同。 |
2022-11-14 | 11:24 | 69 | 组件, 图像处理, 案例 | 使用KNIME识别仪表读数 | 星汉长空 | 使用KNIME交互式标记图像的节点,对图像当中的关键信息点进行预先的标记,然后以这些参考点的坐标作为辅助,来识别图像中的特征。本例是如何实时监控机械仪表的读数,采用的是上述的原理,首先对表盘的参考点进行人工标记,然后通过KNIME的图像识别节点,确定指针的形态,通过角度计算,折算出当前指针所在的位置以及读数数据。这样就可以通过摄像头,获取固定时间间隔的关键帧图像,再将仪表的读数结果传递到后台,实现机械仪表的实时监控。 |
2022-11-15 | 07:40 | 52 | 图像处理 | 使用KNIME交互式标记图像节点获取颐和园面积 | 星汉长空 | 使用KNIME交互式标记图像的节点,标记图像当中关键区域的外轮廓,再标记比例尺的位置,通过对二者像素坐标的获取,进行折算,可以获取图像中某个封闭范围的真实面积。本例是获取了颐和园的地图图像,通过上述方法,估算了颐和园的占地面积。 |
2022-11-15 | 11:24 | 28 | 可视化 | 简化仪表识别 | 星汉长空 | 借助标记文本和局部识别功能,简化了仪表读数流程。 |
2022-11-16 | 10:21 | 111 | 图像处理, 数学方法, 特征参数, 形状识别 | 图片特征识别 | 星汉长空 | 使用KNIME当中的图像处理节点,获取图像中关键区域的外轮廓像素坐标序列,通过数学的方法,对这些坐标点的像素值加以处理,获取关键特征参数,比如斜率、截距等等,这些特征参数值就可以作为判断关键区域形状的特征值来使用,从而实现简单的形状识别。 |
2022-11-17 | 10:14 | 35 | 组件 | 多边形内外点 | 星汉长空 | 使用KNIME固化射线法判断点与任意形状多边形位置关系的算法,从而判断点是在多边形的内部还是外部。值得一提的是,借助KNIME的数据处理和后处理可视化功能,可以十分容易地实现算法的验证,这是直接使用代码进行编程不容易做到的。 |
2022-11-17 | 07:57 | 70 | 图像处理, 参数调整, 彩色空间变换, 点识别, 实时获取产品工艺参数 | 估算钢筋数量 | 星汉长空 | 在一些工业生产工艺流程当中,需要对一些物体的数量进行统计,可以是零件、零件上的孔洞、药物颗粒等等的数量,应用非常广泛。这里使用KNIME当中的图像处理节点,通过参数界面调整参数,对图像进行适当的彩色空间变换,再通过点识别节点,来统计钢筋的数量,是一种可以用于实时获取产品工艺参数的解决方案。 |
2022-11-17 | 09:58 | 27 | 可视化 | 主观散点排序 | 星汉长空 | 对平面上的一些散点进行排序,使它们形成一条曲线,这样的曲线十分依赖于人的主观判断,不同的人可能连接成的曲线形状是不一样的,对于起始点和终了点的选择有多种可能。这里使用KNIME的交互式标记节点,允许工程人员手绘一条近似的曲线,来表达主观意图,再通过散点距离曲线上最近点的情况,对其进行排序,使得散点获得符合人主观判断的排序序号。 |
2022-11-18 | 19:24 | 112 | 案例 | 如何学好KNIME | 星汉长空 | 分享了笔者学习KNIME的切身体会,希望能为后来的学习者起到参考作用。虽然学习的过程是艰难痛苦的,但是学成后可以达成: |
2022-11-18 | 07:11 | 52 | 可视化 | 使用KNIME交互式标记图像节点手绘曲线坐标 | 星汉长空 | 使用KNIME交互式标记图像的节点,使用自由曲线绘制功能,允许工程师手动绘制曲线,并通过相关的图像处理节点,获取该曲线上点的像素坐标位置。 |
2022-11-18 | 09:20 | 43 | 可视化 | KNIME交互式标记图像节点绘制坐标系图 | 星汉长空 | 使用KNIME交互式标记图像的节点,标记图片当中的坐标系关键点,然后将数据折算成像素坐标位置,在图像上绘图。这样可以将复杂的底图与数据精确地结合在一起。可以控制折线的颜色,粗细,样式等等属性,在实际工作当中有很多相关的需求场景。 |
2022-11-20 | 14:54 | 75 | 表操作 | 多属性值筛选 | 星汉长空 | 根据给定的多个属性值,对于数据表格的某一列进行多属性值筛选。这一集采用了相当多的方法来实现这一需求,通过这些方法,全面介绍了很多节点的使用方法,以便加深读者对于这些节点的理解和认识,在其他数据处理需求当中对它们加以应用。 |
2022-11-20 | 09:38 | 23 | 图像处理 | 使用KNIME交互式标记图像节点完成图片线簇取值 | 星汉长空 | 使用KNIME交互式标记图像的节点,对图片上的一簇曲线进行样条曲线标记,不仅可以为所有散点数据点赋予标签,确定其属于哪一条曲线,而且可以获取散点的像素坐标位置。再通过标记坐标轴参考点,获取其像素坐标位置,可以折算前面获得的曲线散点像素坐标值,将它们转换成真实的坐标值。整体上是完成了图片上线簇的取值和分类任务。 |
2022-11-21 | 08:49 | 76 | 表操作, 图像处理, 文件读写, 网络访问, OCR | 读取视频字幕唯一化处理与OCR识别 | 星汉长空 | 使用KNIME当中的图像处理节点,对字幕部分进行唯一化处理和拼接,然后借助网站OCR功能获取图像中的字幕文本信息(当然,也可以使用KNIME自带的OCR识别节点)。 |
2022-11-21 | 05:38 | 36 | 表操作 | 拼合多图的详细方法 | 星汉长空 | 这里介绍了拼合多图的详细方法。 |
2022-11-21 | 06:52 | 49 | 循环, 组件, 可视化 | 使用循环节点生成图形变化视频 | 星汉长空 | 使用循环节点,循环生成大量图形文件,然后借由KNIME的图像保存节点,将其合成为视频文件,动态展示数据变化规律。 |
2022-11-23 | 11:39 | 145 | Python, 图像处理, 机器学习/人工智能, 案例 | 使用KNIME进行图像比对和标记 | 星汉长空 | 使用KNIME当中的图像处理节点,对两幅图像进行机器比对,然后调用Python OpenCV库,对可疑的较大差异的部分进行标记,实现了使用机器玩“找不同”游戏的效果。这在实际工程中应该是有一定的实用价值的,由机器替代人做一些图像识别和判断的工作。 |
2022-11-24 | 11:18 | 47 | 案例, 图像处理 | 光纤产品检测 | 星汉长空 | 一个光纤通讯产品检测的案例。无论产品以何种角度拍照,数量有多少,都可以通过KNIME中的图像识别、处理节点,固化对其中心位置的定位,并截取该部分的图片,进一步完成产品的检测和统计,然后驱动控制机构产生相应的动作,加快产品检测的效率,最后可以加入人工复核。 |
2022-11-26 | 07:50 | 95 | 表操作, 时间数据类型, 文件读写, 组件, 分支结构, 错误处理 | 自助云档报告 | 星汉长空 | 可以将报告模板保存在云存储环境,由KNIME工作流建立的定时任务加以调用,向其中自动填入实时参数信息,形成实例化报告,并且调用邮件发送节点,将新生成的报告直接发送给相关人员。 |
2022-11-26 | 08:48 | 37 | 组件 | 文档驱动计算 | 星汉长空 | 对于不具备编程能力的业务人员,可以借由文档实现计算逻辑,然后由KNIME读取文档内容,将内容自动转化为脚本代码,实现计算功能。这个方案增强了业务人员参与工程计算的程度,无需等待IT人员开发软件功能,就可以自己上手使用KNIME完成软件计算逻辑的调整,十分灵活多变,提高了软件功能的开发效率。 |
2022-11-28 | 09:39 | 61 | 组件 | 三维数字孪生 | 星汉长空 | 使用KNIME实现了简单的数字孪生系统。可以由KNIME参数化驱动三维模型的属性变化。 |
2022-11-28 | 08:35 | 49 | 图像处理 | 批量局部识图 | 星汉长空 | 使用KNIME交互式标记图像的节点,对图像当中的关键区域进行手动设定(工作量非常小),只在关键区域进行图像识别和处理,可以大大提高识别效率,改善识别效果。 |
2022-11-29 | 09:13 | 50 | 网络访问, 参数化驱动, 数据任务, 可视化 | 微博参数化驱动数据任务 | 星汉长空 | 使用微博传递参数信息,当工程人员改变微博中的内容进行发布之后,KNIME工作流定时任务可以感知这样的改变,然后使用参数化驱动的方式,完成相应的数据任务,最后将报告发送至前端界面或者以微信、邮件等方法直接发送给相关人员。 |
2022-12-02 | 07:22 | 42 | 网络访问, KNIME | 手机物性查询 | 星汉长空 | 采用的是同样的原理,这里是通过手机端实现了物性参数的查询,后台计算是由服务器上的KNIME 软件完成的。 |
2022-12-02 | 13:59 | 62 | 数值操作 | 连续变量分箱 | 星汉长空 | 对于连续性的数值变量,比如学生成绩,往往需要进行等级评定,优良中差。对数值型数据进行标签化、等级化,确定其所属的范围,在机器学习等领域有广泛的需求。本例对正实数范围划定了几个等级,关键点分割点分别为0,5,10,20,100,300,500,1000。从而分成了类似[0-5),[5-10) ... (1000,+∞)等等范围,需要为数据分箱,设定相应的标签。 |
2022-12-03 | 10:36 | 104 | Excel, 表操作 | Excel联结多工作簿 | 星汉长空 | Excel 表格中含有多个工作簿(如例子中的“员工职位信息表”,“员工个人信息表”,“部门信息表”等等),它们之间含有相同名称的一个或者多个关键字段,需求是将这样的若干表格,依次按照关键字段进行联结,最终形成一张完整信息的大表。类似的需求,在数据库表格操作中是十分普遍的,一般使用sql语句中的join功能实现,可以进行类比。 |
2022-12-04 | 10:37 | 50 | 案例 | 手机参数监控 | 星汉长空 | 实现了手机端的设备系统运行工况参数实时监控。 |
2022-12-05 | 09:31 | 30 | 表操作 | 云档单位转换 | 星汉长空 | 实际工程计算当中,经常要使用单位转换,这里使用云存储记录单位转换系数,然后在工作流中加以调用,非常方便。 |
2022-12-06 | 09:52 | 50 | 正则表达式 | 批量子串匹配3 | 星汉长空 | 使用长正则表达式判断是否含有若干子串。 |
2022-12-06 | 09:07 | 45 | 字符串操作 | 批量子串匹配2 | 星汉长空 | 通过字符串相似性判断是否含有若干子串。 |
2022-12-06 | 07:45 | 57 | Excel, 循环 | 批量子串匹配 | 星汉长空 | 我们有这样一个Excel文档,其中有两个工作簿,第一个工作簿中记录了零件的代码和零件的描述,其中零件的描述是长字符串,其中可能含有运营商的标识符;第二个工作簿是运营商的标识符列表,其中的字符串可能为零件描述文本的子字符串。需求是批量判断零件描述字符串中,是否出现过第二个工作簿中的运营商标识符,出现过一次或多次,都得到结果“是”,否则为“否”。本例中采用循环判断的方式实现。 |
2022-12-07 | 09:01 | 33 | 列操作 | 批量子串匹配4 | 星汉长空 | 列聚合判断字符串是否含有若干子串。 |
2022-12-09 | 08:15 | 46 | 组件 | 自动切换脚本 | 星汉长空 | 工程实际当中涉及到指标公式计算,一般需要IT人员来固化逻辑,但业务人员对本行业的知识体系、理论公式、业务逻辑是最了解的。为了提高业务人员逻辑变更的时效性,减少IT人员与业务人员沟通交流的成本,需要业务人员对工作流具有更强的参与能力。前面介绍了一种借助KNIME的实现方式,通过脚本固化业务人员的知识和经验,形成算法资源和资产。在业务人员可以借助脚本,直接参与到程序的计算逻辑维护之后,如果其他工程师想在工作流里实现相同的业务逻辑计算,调用相应的脚本就可以了;但是对于机器,它无法自动通过界面对脚本进行选择,这里借助调用工作流的节点,实现了机器自动化切换脚本的功能,这样就可以通过参数化驱动,切换业务人员建立的计算逻辑脚本,对同样的输入条件,产生不同的输出参数结果。 |
2022-12-09 | 11:20 | 37 | 组件 | 业务逻辑脚本 | 星汉长空 | 工程实际当中涉及到指标公式计算,一般需要IT人员来固化逻辑,但业务人员对本行业的知识体系、理论公式、业务逻辑是最了解的。为了提高业务人员逻辑变更的时效性,减少IT人员与业务人员沟通交流的成本,需要业务人员对工作流具有更强的参与能力;否则,业务人员需要将业务层面的需求翻译给产品经理,产品经理还需要将其转化为可供开发的需求文档,IT人员进行开发,还需要测试,兼容,这里面的时间和人力成本太过高昂。这里介绍了一种借助KNIME的实现方式,通过脚本固化业务人员的知识和经验,他们对脚本具有干预和调整的能力,形成算法资源和资产,便于复用、分享、维护、拓展,可以有效地形成组织层面的革新,提高人与人,人与机器的协同能力。 |
2022-12-10 | 12:14 | 113 | Excel, Python, 案例 | Excel公式驱动 | 星汉长空 | 工程实际当中涉及到指标公式计算,一般需要IT人员来固化逻辑,但业务人员对本行业的知识体系、理论公式、业务逻辑是最了解的。为了提高业务人员逻辑变更的时效性,减少IT人员与业务人员沟通交流的成本,需要业务人员对工作流具有更强的参与能力。这里介绍了一种借助KNIME的实现方式,业务人员只需要维护和更新Excel文件中的计算逻辑和公式体系,工作流会自动将其读取和转化为可以执行的python脚本代码,然后驱动工作流进行数据的加工处理,这样业务人员就对处理流程形成了直接的干预能力,提高人与人,人与机器的协同效率。 |
2022-12-11 | 11:32 | 68 | Python, Excel, 组件, 案例 | 借助KNIME将Python脚本转化为Excel工具 | 星汉长空 | 工程实际当中涉及到复杂的算法逻辑,一般需要IT人员通过编写代码来实现(例如Python脚本代码)。业务人员有可能需要复用这些代码,实现同样的计算功能,但由于他们对编程并不熟悉,无法直接加以应用。这就产生一个需求,需要将Python脚本代码里面的计算逻辑,转化为他们熟悉的工具和技能体系。这里介绍了一种借助KNIME的实现方式,使用工作流将python脚本代码转化为Excel计算公式,自动生成同一功能的Excel工具,然后交给业务人员使用。在基本功能的基础上,业务人员可以进行局部调整和功能拓展,发挥他们的经验,有效地形成组织层面的革新,提高人与人,人与机器的协同能力。 |
2022-12-13 | 13:17 | 53 | 表操作 | KNIME数据集合运算 | 星汉长空 | 在使用KNIME工作流对数据进行加工处理的过程中,经常需要进行数据聚合(比如分组),形成列表或者集合(List or Set)类型,这就引发了对于集合的操作需求。如何完成集合的运算,对两个(进而对多个)集合,求取它们的并集、交集、差集、补集,这对于信息的处理将十分有益,在某些需求下,有效地使用集合运算操作,可以大大加快数据处理的效率。 |
2022-12-14 | 08:36 | 81 | 循环, 表操作 | 持续数据累积 | 星汉长空 | 本例代表的是一类比较复杂的数据处理需求,对具有两列整型数据的表格,进行累积求和,因为两列求和值分别有对应的上限值设定,所以这样的累积求和是分段进行的,需要通过循环的方式进行,为每一次累积求和的行打标签,确定哪些行是在同样的一段累积求和过程中选取的。如果使用Excel等工具来完成这样的功能,由于表格的循环变动,很难完成,这种复杂数据处理需求是有普遍代表性的,一般需要通过编程来实现,这里介绍使用KNIME工作流,也可以完成同样的需求。 |
2022-12-15 | 08:56 | 240 | 案例 | 随机森林预测 | 星汉长空 | 本例介绍的是利用实测的室外空气参数条件(干球温度,相对湿度),各种工况参数(比如冷冻水、冷却水的工况条件,流量)等等,对建筑需要的冷热负荷加以预测,从而指导智能算法,对设备的节能运行提供依据。 |
2022-12-18 | 15:08 | 63 | 数据库 | KNIME数据库节点的使用 | 星汉长空 | 介绍了KNIME的数据库相关节点的使用,如何连接数据库,使用SQL语句对数据库进行增删改查等一系列操作。使用KNIME工作流来固化数据库处理流程,比较直观、清晰,便于维护和拓展。 |
2022-12-19 | 12:00 | 55 | 文件读写, 数据库 | JSON维护SQL | 星汉长空 | 使用JSON格式文件来维护SQL语句,便于多人复用分享。 |
2022-12-22 | 09:09 | 130 | 数据库 | 使用KNIME控件节点建立SQL查询界面 | 星汉长空 | 为了便于维护和使用SQL语句,使用KNIME的界面控件节点,为其建立简易的界面,这样没有数据库基础技能的工程师也可以通过界面完成对数据库的一些简单数据查询工作。 |
2023-03-18 | 26:01 | 228 | 机器学习/人工智能 | 批量模型仿真 | 星汉长空 | 为了获取设备的性能,建立计算模型,使用KNIME进行批量仿真。 |
2023-03-27 | 07:18 | 178 | 流变量, 分支结构, 错误处理 | 灵活RPA任务 | 星汉长空 | 使用KNIME调用Python pyautogui库,实现RPA任务,减轻人力劳动。 |
2023-03-29 | 09:24 | 200 | 机器学习/人工智能 | 多维数据拟合 | 星汉长空 | 对于三个自变量,多个因变量的数据结果进行公式拟合,公式形式可以灵活调整。 |
2023-03-30 | 12:33 | 131 | 表操作 | 汇总批量报告 | 星汉长空 | 将由设备选型软件产生的批量Excel报告中的数据加以提取整理,便于评估设备性能使用。 |
2023-04-02 | 13:36 | 170 | 流变量, 组件, 分支结构, 错误处理 | 设备群控规划 | 星汉长空 | 在一定的总负荷条件下,如何安排设备开关状态和负荷分配达到能耗最优。 |
2023-04-05 | 09:57 | 172 | 表操作 | 藏南增补地名 | 星汉长空 | 在KNIME的地图控件上标识第三批增补的藏南地区地名及经纬度位置。 |
2023-04-07 | 13:49 | 117 | 可视化 | 查看公式曲面 | 星汉长空 | 使用KNIME中的可视化节点查看工业上常用的十系数多项式公式形成的曲面。 |
2022-05-15 | 01:48 | 453 | 组件 | 创建第一个工作流 | KNIME大数据分析 | |
2022-05-15 | 01:32 | 233 | 组件 | KNIME安装方法 | KNIME大数据分析 | |
2022-10-05 | 03:46 | 343 | 文件读写 | CSV文件读取 | KNIME大数据分析 | |
2022-10-06 | 03:47 | 263 | 文件读写, Excel | KNIME中常用的2种Excel文件读取方法简介 | KNIME大数据分析 | KNIME中常用的2种Excel文件读取方法简介 |
2022-10-07 | 03:22 | 181 | 表操作 | 数据合并与串联 | KNIME大数据分析 | |
2022-10-30 | 03:45 | 199 | 行操作 | 数据筛选之行筛选 | KNIME大数据分析 | |
2022-10-31 | 07:13 | 175 | 表操作 | KNIME节点输出 | KNIME大数据分析 | |
2022-10-31 | 00:19 | 128 | 流变量, 组件, 分支结构, 错误处理, 可视化 | KNIME培训基础篇15节及以下 | KNIME大数据分析 | |
2022-11-01 | 04:09 | 180 | 流变量, 分支结构, 邮件发送 | 按需发送邮件 | KNIME大数据分析 | 根据情况按需发送邮件或者执行不同的命令or任务,本文介绍的是如果数据为空发送邮件通知。 |
2022-11-02 | 05:43 | 133 | 流变量, 组件, 网络访问, 邮件发送 | 邮件发送带变量的多个附件 | KNIME大数据分析 | 用KNIME实现发送带变量的多个附件,处理完的数据或者图表以邮件形式发送给相应人员,提高工作效率。 |
2022-11-13 | 07:12 | 179 | KNIME-Python连接, Python, 可视化 | KNIME与Python多种可视化展示及配置方法 | KNIME大数据分析 | KNIME+Python实现多种可视化展示,KNIME中Python配置方法讲解。 |
2022-12-04 | 07:09 | 240 | 组件 | KNIME自动化运行 | KNIME大数据分析 | |
2022-12-18 | 07:49 | 135 | 组件 | 连接JMP自动生成图片 | KNIME大数据分析 | |
2023-03-17 | 09:39 | 170 | 可视化 | 快速制作批量箱线图/正态分布图 | KNIME大数据分析 | |
2023-04-07 | 02:22 | 145 | 数据库, Python, 可视化 | 搭配MySQL及Python制作可视化看板 | KNIME大数据分析 |
财务表姐教你学 KNIME
- 卖萌老师[b站昵称:月月酱luna]工作于外企财务方向,500强的快消行业。让我们通过 (Excel)"表姐"的视角看看怎么结合 Excel 使用 KNIME 的吧。
财务表姐 KNIME 视频列表
创建时间 | 视频时长 | 播放次数 | 分类 | 标题 | 作者 | 描述 |
---|---|---|---|---|---|---|
2024-02-01 | 11:00 | 164 | 财务表姐教你办公自动化--通过EXCEL学习KNIME案例四优化 | 月月酱luna | ||
2024-02-01 | 16:27 | 226 | 通过EXCEL学习KNIME--基础篇之变量与循环实战 | 月月酱luna | ||
2024-01-30 | 32:40 | 189 | 通过EXCEL学习KNIME--基础篇之变量和循环 | 月月酱luna | 史上最详细变量和循环讲解 | |
2024-01-28 | 30:25 | 294 | 财务表姐教你办公自动化--通过EXCEL学习KNIME案例五 | 月月酱luna | 非季末月自动获取当月销售额,季末月自动获取季度销售额和季末月销售额 | |
2024-01-21 | 15:19 | 254 | 财务表姐教你办公自动化--通过EXCEL学习KNIME案例四下 | 月月酱luna | 新节点:结束两条分支 | |
2024-01-19 | 48:24 | 187 | 财务表姐教你办公自动化--通过EXCEL学习KNIME案例四上 | 月月酱luna | 用到的新节点:控制工作流线路执行开关,结束开关,读取文件信息,变量的列字符串处理,增加空行,排序并筛选 | |
2024-01-15 | 01:39 | 199 | 财务表姐教你办公自动化--通过EXCEL学习KNIME案例三补充 | 月月酱luna | 这是自动化案例三剪辑遗漏的部分,这里讲了场景中我是如何运用这个工作流的,大家一定要看完案例三上和下再来看这个,谢谢! | |
2024-01-14 | 44:21 | 164 | 财务表姐教你办公自动化--通过EXCEL学习KNIME案例三下 | 月月酱luna | 自动筛选两表的不同列,并进行拼接,求出季度和全年的数据并进行进一步计算。节点学习:分行循环,分组求和,列合并 | |
2024-01-14 | 32:25 | 215 | 财务表姐教你办公自动化--通过EXCEL学习KNIME案例三上 | 月月酱luna | 自动筛选两表的不同列,并进行拼接,求出季度和全年的数据并进行进一步计算。节点学习:批量列筛选,缺失值处理,转置,RowID | |
2024-01-07 | 51:19 | 376 | 财务表姐教你办公自动化--通过EXCEL学习KNIME案例二 | 月月酱luna | 超级干活的自动化工作流,一键生成想要数据,解放双手提高生产力。介绍了循环,替换想要标题,列排序行排序等方法,快来学习吧。 | |
2023-12-28 | 21:26 | 514 | 财务表姐教你办公自动化--通过EXCEL学习KNIME案例一下 | 月月酱luna | 通过修改一个参数,完成自动读取自动筛选自动输出表格全流程。 | |
2023-12-26 | 15:41 | 545 | 财务表姐教你办公自动化--通过EXCEL学习KNIME案例一上 | 月月酱luna | 自动筛选某一round的全年数据,并自动输出到excel表格 | |
2023-12-24 | 27:10 | 324 | 财务表姐教你办公自动化--KNIME节点深入学习 | 月月酱luna | 又是一个很罗嗦且剪辑粗糙的学习视频,听着图个乐吧,最详细基础的节点介绍,希望听完对你有帮助 | |
2023-12-20 | 08:30 | 2010 | 财务表姐教你办公自动化--工具介绍KNIME | 月月酱luna | 使用KNIME完成办公自动化,解放生产力提高效率,快来跟着我学习吧。 对不起,第一次录视频剪视频,废话有点多,剪的也不好,请大家见谅,专注知识就好。 | |
2023-12-20 | 11:56 | 687 | 财务表姐教你办公自动化--通过EXCEL学习KNIME基础篇 | 月月酱luna | 带你通过EXCEL学习KNIME,一步步升级打怪实现办公自动化。 对不起,第一次录视频剪视频,废话有点多,剪的也不好,请大家见谅,专注知识就好。 |