RapidMiner im akademischen Einsatz - Documentation - Rapid

2. Die Anwendungsfälle
Dies ist ein häufiger Fehler, der zu statistisch invaliden Güteabschätzungen führt.
Um das zu verhindern, müssen wir sämtliche Vorverarbeitungsschritte mit in die
Kreuzvalidierung hereinziehen und im Trainingssubprozess durchführen. Führen
wir keine weitere Anpassung im Prozess durch, wird das im Trainingsprozess generierte
Modell im Testprozess natürlich mit den noch nicht normalisierten Daten
konfrontiert. Deshalb bieten alle Vorverarbeitungsoperatoren, deren Ergebnisse
von den verarbeiteten Daten abhängen, sogenannte Vorverarbeitungsmodelle
(Preprocessing Model) an. Diese können verwendet werden, um eine identische
Transformation erneut auszuführen. Bei der Normalisierung wird also mit den
gleichen Mittelwerten und Standardabweichungen transformiert, statt diese auf
den aktuellen Daten neu zu berechnen.
Um diese Modelle zu verwenden, müssen sie lediglich aus dem Trainings- in den
Testsubprozess der Kreuzvalidierung übergeben werden. Dort können sie mit einem
gewöhnlichen Apply Model-Operator, wie im Prozess 00.3 - Include Preprocessing
in Validation, angewendet werden, bevor das eigentliche Modell angewendet
wird.
2.1.3 Parameteroptimierung
Es ist also insgesamt sehr einfach, in RapidMiner eine echte Validierung eines
Verfahrens durchzuführen. Allerdings besitzt fast jedes Verfahren bestimmte Parameter,
anhand derer sich die Qualität der Modelle beeinflussen lässt. Je nach
Einstellung werden die Ergebnisse besser oder schlechter sein. Soll also gezeigt
werden, dass ein neues Verfahren einem existierenden überlegen ist, darf man
nicht einfach nur die Parameter des eigenen Verfahrens optimieren oder gar die
Parameter willkürlich setzen. Gerade die Leistung von Verfahren wie der Support
Vector Machine oder einem neuronalen Netz hängen sehr stark von den
Parametereinstellungen ab.
Deswegen bietet RapidMiner die Möglichkeit, automatisiert nach den besten Parametereinstellungen
zu suchen. Dazu verwendet man einen der Optimize Parameters-Operatoren.
Am einfachsten lässt sich der Operator Optimize Parameters
(Grid) kontrollieren. Dieser iteriert über eine zuvor vom Benutzer definierte An-
12