FeaturesOne key behind the success

Features

One key behind the success of KNIME is its inherent modular workflow approach, which documents and stores the analysis process in the order it was conceived and implemented, while ensuring that intermediate results are always available.

Core KNIME features include:

Scalability through sophisticated data handling (intelligent automatic caching of data in the background while maximizing throughput performance)
High, simple extensibility via a well-defined API for plugin extensions
Intuitive user interface
Import/export of workflows (for exchanging with other KNIME users)
Parallel execution on multi-core systems
Command line version for "headless" batch executions
Available KNIME modules cover a vast range of functionality, such as:

I/O: retrieves data from files or data bases
Data Manipulation: pre-processes your input data with filtering, group-by, pivoting, binning, normalization, aggregation, joining, sampling, partitioning, etc.
Views: visualize data and results through several interactive views, allowing for interactive data exploration
Hiliting: ensures hilited data points in one view are also immediately hilited in all other views
Mining: uses state-of-the-art data mining algorithms like clustering, rule induction, decision tree, association rules, naïve bayes, neural networks, support vector machines, etc. to better understand your data
Check out the complete node documention for a comprehensive list of nodes are detailed descriptions.

Supported Operating Systems

Windows - 32bit (regularly tested on XP and Vista)
Windows - 64bit (regularly tested on Vista and verified to work under Windows 7)
Linux - 32bit (regularly tested on RHEL4/5, OpenSUSE 10.2/10.3/11.0, amongst others)
Linux - 64bit (regularly tested on RHEL4/5, OpenSUSE 10.2/10.3/11.0, amongst others)
Mac OSX - 64bit Intel-based architecture with Java 1.6

ผลลัพธ์ (ไทย) 1:

ลักษณะการทำงานคีย์หนึ่งเบื้องหลังความสำเร็จของ KNIME เป็นวิธีการลำดับโมดูลาร์โดยธรรมชาติ ซึ่งเอกสาร และจัดเก็บการวิเคราะห์ในลำดับจะรู้สึก และ ดำเนินการ ในขณะที่มั่นใจว่า ระดับกลางมีผลลัพธ์เสมอคุณลักษณะ KNIME หลักได้แก่:ขนาดผ่านข้อมูลซับซ้อนที่จัดการ (อัจฉริยะอัตโนมัติแคข้อมูลในพื้นหลังขณะที่เพิ่มประสิทธิภาพสูง)เพิ่มความสูง เรื่องสามารถผ่าน API โดยสำหรับปลั๊กอินส่วนขยายใช้งานที่ง่ายนำเข้า/ส่งออกลำดับงาน (สำหรับการแลกเปลี่ยนกับผู้ใช้อื่น KNIME)การดำเนินการแบบขนานบนระบบที่มีหลายหลักรุ่นบรรทัดคำสั่งสำหรับการดำเนินการชุด "ถอดหัวปอก"โมดูล KNIME ว่างปกหลากหลายฟังก์ชัน เช่น:I/O: ดึงข้อมูลจากฐานข้อมูลหรือแฟ้มการจัดการข้อมูล: ประมวลผลข้อมูลของคุณเข้ากับกรอง กลุ่มโดย ขยับ binning ฟื้นฟู รวม รวม สุ่ม พาร์ทิชัน ฯลฯ ก่อนมุมมอง: เห็นภาพข้อมูลและผลลัพธ์ผ่านหลายโต้ตอบมุมมอง ช่วยให้การสำรวจข้อมูลแบบโต้ตอบHiliting: ใจ hilited ข้อมูลในมุมมองหนึ่งคะแนนยังทันที hilited ในมุมมองอื่นทั้งหมดเหมืองแร่: ใช้กระบวนการทำเหมืองข้อมูลรัฐ-of-the-art เช่นคลัสเตอร์ กฎการเหนี่ยวนำ ต้นไม้การตัดสินใจ ข้อบังคับสมาคม bayes ขำน่า เครือ ข่ายประสาท สนับสนุนเครื่องแบบเวกเตอร์ ฯลฯ การเข้าใจข้อมูลของคุณเช็ค documention โหนทั้งหมดในรายชื่อของโหนดที่เป็นคำอธิบายรายละเอียดระบบปฏิบัติการสนับสนุนWindows - แบบ 32 บิต (ตามปกติทดสอบบน XP และ Vista)Windows - 64 bit (เป็นทดสอบบน Vista และตรวจสอบการทำงานภายใต้ Windows 7)ลินุกซ์ - 32 บิต (ตามปกติทดสอบบน RHEL4/5, OpenSUSE 10.2/10.3/11.0 หมู่คนอื่น ๆ)ลินุกซ์ - 64 bit (เป็นทดสอบบน RHEL4/5, OpenSUSE 10.2/10.3/11.0 หมู่คนอื่น ๆ)Mac OSX - 64 บิตใช้ Intel สถาปัตยกรรมกับ Java 1.6

ผลลัพธ์ (ไทย) 2:

คุณสมบัติหนึ่งที่สำคัญที่อยู่เบื้องหลังความสำเร็จของ KNIME เป็นวิธีการขั้นตอนการทำงานแบบแยกส่วนโดยธรรมชาติซึ่งเอกสารและร้านค้าขั้นตอนการวิเคราะห์เพื่อที่จะคิดและดำเนินการในขณะที่มั่นใจว่าผลกลางมักจะใช้ได้. หลักคุณสมบัติ KNIME รวมถึง: ปรับขยายผ่านการจัดการข้อมูลที่มีความซับซ้อน (แคชอัตโนมัติที่ชาญฉลาดของข้อมูลในพื้นหลังขณะที่การเพิ่มประสิทธิภาพทางเข้า) สูง, การขยายง่ายผ่านทางที่ดีที่กำหนด API สำหรับส่วนขยายปลั๊กอินที่ใช้งานง่ายผู้ใช้อินเตอร์เฟซที่นำเข้า/ ส่งออกของขั้นตอนการทำงาน (สำหรับการแลกเปลี่ยนที่มีผู้ใช้ KNIME อื่น ๆ ) การดำเนินการคู่ขนานกับระบบมัลติคอร์คำสั่งรุ่นสายสำหรับ "หัวขาด" ประหารชีวิตชุดโมดูลKNIME จำหน่ายครอบคลุมหลากหลายของฟังก์ชั่นเช่นI / O: ดึงข้อมูลจากไฟล์หรือฐานข้อมูลการจัดการข้อมูล: กระบวนการก่อนการป้อนข้อมูลของคุณด้วยการกรองกลุ่มโดยแกน , Binning, ฟื้นฟู, การรวมการเข้าร่วมการสุ่มตัวอย่างการแบ่งพาร์ทิชัน ฯลฯการเข้าชม: เห็นภาพข้อมูลและผลการโต้ตอบผ่านมุมมองหลายที่ช่วยให้สำหรับการสำรวจข้อมูลการโต้ตอบHiliting: เพื่อให้แน่ใจว่าจุดข้อมูล hilited ในมุมมองหนึ่งนอกจากนี้ยังมี hilited ทันทีในมุมมองอื่น ๆเหมืองแร่: ใช้รัฐของศิลปะขั้นตอนวิธีการทำเหมืองข้อมูลเช่นการจัดกลุ่ม, การเหนี่ยวนำกฎต้นไม้ตัดสินใจกฎสมาคม Bayes ไร้เดียงสา, เครือข่ายประสาทการสนับสนุนเครื่องเวกเตอร์และอื่น ๆ เพื่อให้เข้าใจข้อมูลของคุณตรวจสอบdocumention โหนดที่สมบูรณ์แบบสำหรับรายการที่ครอบคลุม ของโหนดมีคำอธิบายรายละเอียด. ระบบปฏิบัติการที่สนับสนุนWindows - 32bit (ทดสอบอย่างสม่ำเสมอบน XP และ Vista) Windows - 64bit (ทดสอบอย่างสม่ำเสมอบน Vista และตรวจสอบการทำงานภายใต้ Windows 7) ลินุกซ์ - 32bit (ทดสอบเป็นประจำใน RHEL4 / 5, OpenSUSE 10.2 / 10.3 / 11.0, หมู่คนอื่น ๆ ) ลินุกซ์ - 64bit (ทดสอบเป็นประจำใน RHEL4 / 5, OpenSUSE 10.2 / 10.3 / 11.0, หมู่คนอื่น ๆ ) Mac OSX - 64bit สถาปัตยกรรม Intel-based กับ Java 1.6

ผลลัพธ์ (ไทย) 3:

คุณสมบัติ

หนึ่งที่สำคัญเบื้องหลังความสำเร็จของ knime เป็นวิธีการที่แท้จริงของโมดูลเวิร์กโฟลว์ ซึ่งเอกสารและจัดเก็บการวิเคราะห์กระบวนการในการคิดและใช้มันในขณะที่มั่นใจว่าผลลัพธ์กลางพร้อมเสมอ



knime หลักรวมถึง :ติดตั้งผ่านการจัดการข้อมูลซับซ้อน ( อัตโนมัติแคชข้อมูลในพื้นหลังในขณะที่การเพิ่มประสิทธิภาพ throughput )
สูง , การขยายง่ายผ่านทาง API ที่กำหนดสำหรับปลั๊กอินขยายอินเตอร์เฟซผู้ใช้ที่ใช้งานง่าย

นำเข้า / ส่งออกของเวิร์กโฟลว์ ( แลกเปลี่ยนกับผู้ใช้อื่น ๆ knime )

แบบขนานบนระบบปฏิบัติบรรทัดคำสั่งรุ่น " หัวขาด " การประหารชีวิต
ชุดของ knime โมดูลครอบคลุมช่วงกว้างของฟังก์ชันเช่น

I / O : ดึงข้อมูลจากไฟล์หรือฐานข้อมูล
การจัดการข้อมูล : ก่อนกระบวนการป้อนข้อมูลของคุณกับกรอง , กลุ่ม , pivoting บินนิ่ง บรรทัดฐาน , รวม , เข้าร่วม , การ สุ่มตัวอย่าง ฯลฯ
มุมมอง : แสดงข้อมูลและผลผ่านมุมมองแบบหลายช่วยให้การโต้ตอบข้อมูลการสำรวจ
hiliting : ยืนยัน hilited จุดข้อมูลในมุมมองหนึ่งนอกจากนี้ยังทันทีในมุมมองอื่น ๆ hilited
เหมืองแร่ : ใช้ขั้นตอนวิธีการทำเหมืองข้อมูลรัฐ - of - the - art เช่นการจัดกลุ่มกฎการเหนี่ยวนำ , การตัดสินใจต้นไม้ กฎสมาคม นา ไตได้ Bayes , ระบบเครือข่าย , เครื่องเวกเตอร์สนับสนุน ฯลฯ เพื่อให้เข้าใจ
ข้อมูลของคุณเช็คเอกสารที่สมบูรณ์สำหรับรายการที่ครอบคลุมของโหนดโหนดรายละเอียด

สนับสนุนระบบปฏิบัติการ Windows 32bit ( เสมอ

- ทดสอบกับ Windows XP และ Vista )
- 64bit ( เสมอทดสอบบน Vista และยืนยันที่จะทำงานภายใต้ Windows 7 32bit Linux ( เป็นประจำ )
- ทดสอบ rhel4 / 5 , opensuse 10.2 / 10.3 / 11.0 , ท่ามกลางคนอื่น ๆ )
Linux - 64bit ( เสมอทดสอบ rhel4 / 5opensuse 10.2 / 10.3 / 11.0 , ท่ามกลางคนอื่น ๆ )
Mac OSX - อินเทลใช้สถาปัตยกรรม 64bit ด้วย Java 1.6