RapidMiner im akademischen Einsatz - Documentation - Rapid

1.3. Terminologie
tausch teilnehmen, fließen hier diskutierte Themen direkt in die weitere Entwicklungsplanung
mit ein. Möchte jemand seine eigene Erweiterung einer größeren
Öffentlichkeit zugänglich machen, existiert mit dem Marketplace die notwendige
Plattform dafür (siehe Abschnitt 3.1). Hier können Benutzer ihre Erweiterungen
anbieten und aus den angebotenen Erweiterungen anderer Benutzer auswählen.
RapidMiner wird, falls gewünscht, beim nächsten Start die ausgewählten Erweiterungen
automatisch nachinstallieren.
Ergänzend dazu bietet Rapid-I natürlich auch professionelle Dienstleistungen im
Umfeld von RapidMiner und RapidAnalytics an. Neben Support für RapidMiner
und RapidAnalytics werden auch Schulungen, Beratung und individuelle Entwicklung
rund um das Thema Datenanalyse angeboten.
1.3 Terminologie
Bevor wir mit dem technischen Teil beginnen, ist es hilfreich einige Begriffe zu
klären. RapidMiner verwendet eine Terminologie, die dem Bereich des maschinellen
Lernens entspringt. Dort ist eine typische Zielstellung, auf Grund einer
Reihe von Beobachtungen, für die eine gewisse Zielgröße bekannt ist, Vorhersagen
für Beobachtungen zu machen, bei denen diese Zielgröße nicht bekannt ist.
Jede Beobachtung bezeichnen wir als Beispiel, englisch example. Jedes Beispiel
hat mehrere Attribute, in der Regel Zahlenwerte oder kategorische Werte wie
z.B. Alter oder Geschlecht. Eines dieser Attribute ist die Zielgröße, auf die sich
unsere Analyse bezieht. Oft wird dieses Attribut englisch als label bezeichnet. Alle
Beispiele zusammen bilden eine Beispielmenge, englisch example set. Schreibt
man alle Beispiele mit Ihren Attributen untereinander, erhält man nichts anderes
als eine Tabelle. Statt ”
Beispielmenge“ könnten wir also ”
Tabelle“ sagen,
statt ”
Beispiel“ ”
Zeile“ und statt ”
Attribut“ ”
Spalte“. Für das Verständnis der
in RapidMiner verwendeten Operatornamen ist die Kenntnis der oben genannten
Begriffe allerdings hilfreich.
7