MIS772 – Predictive Analytics，被誉为我们MIS里面最难的一门，到第二个星期就有due了。。不过听说跟上个学期有所不同，据说没有了R啊，Python什么的，只有一个叫RapidMiner的傻瓜式（相比之下）的工具，就省事了不少。。
Assignment 1 LP1 感觉是致力于熟悉RapidMiner的基本操作，导入表格啊，看看初步的图标啊，什么的，还只是descriptive analytics的层面，开始建模是LP2的工作。。
首先Rapidminer的界面是这样的：
人懒就不太介绍界面什么的了。。反正RapidMiner是用流程（process）去分析数据的，操作就是在左下角的operators拉操作进process框来做读取数据啊，筛选啊，建模之类的操作，然后末尾拉去process框的右侧result处，点一下顶上的播放符号就能条到result那边出结果了，嗯。。
首先得改一下repository的地址，不然的话交作业要交process文件的话找目录位置会挺麻烦的。在repository功能里面右键local repository，选config那啥，就能改local repository的位置了。
然后根据目的，我们需要读取数据，筛选数据，设置自变量，（或者说标记变量）复制一份出来做correlation matrix并且原来那份输出做图标，就有了下面的process：
Read CSV：读取数据，这里是csv文件就read csv，是其他的就其他。。
Set Roles：筛选变量，把不需要的变量给筛选掉，像备注什么的。。
Select Attribute：设置变量（标记变量），被标记的变量会在result里面被标记为绿色并且前置，用来辨别分析对象。。
Multiply：简单的把数据复制一遍
Correlation Matrix：相关矩阵，用以显示数字变量之间的相关性。一般>0.5就有一定关联了。
Read CSV
首先是Read CSV operator，它是有一个向导去导入数据的：
首先是这个，简单地选个文件就好了。。这作业是workcomp.csv，然后下一步。
这里就要注意以下蓝圈圈住的部分了，这是选文件内的分割格式的。。选着看起来跟图那样像个表就好了。
再下一步就是整理行首了。。如果行首有什么备注的话就能在最右边的annotation标注掉，就不会影响下面的数据了。
这一步算是导入数据的最后一步了，选择数据的类型，也是导入向导里唯一需要思考的地方。。首先这里不会用到所有的数据类型，大概只会用到这么几种：
real：一般的数字，并没有什么意味
ID：用于第一列的claim ID，说明这是一列ID，并不会在数据分析过程内出现
Attribute：Rapidminer里面的变量，一般都是数据分析对象。
Polynominal：多项式，这里面的body part，nature跟cause都是一堆分类，所以算是多项式。
Binomial：二项式，一般只有是或否，后三个flag就是这种变量。
完成后点finish就得了。
Set Role
并没有多少东西。。在这assignment里面只是标记一下需要标记的变量而已（这里是fraud flag），以便于在输出的时候便于辨别与分析。attribute name选变量，traget role 选label就成了
Select Attributes
嗯。。这一步（operator）就是把不需要的变量筛掉的。右边的属性选subnet就能筛选多个了，然后点下面的select attributes，把需要的变量选到右边去然后确认就完成了。这里不需要的变量是adjustor note – 一堆文字的解释说明还有claim number – 单号。
Multiply
简单地把数据复制一遍，有多少个结果拉多少条就成了。
Correlation Matrix
所谓的相关矩阵，就是拿来看看各个数字变量之间的相关度的，一般>0.5就能说有一定的关联性的，正的就是正比例-负的就是反比例。
RapidMiner的correlation matrix能从参数里选择需要的变量，而不需要另外再select attribute，于是就是长这样的：
也跟select attribute一样subnet，然后选三个tag到右边，再然后勾上include special attributes（因为这几个都是binomial）跟normalize weight，然后都连起来就是第三张图的样子了，点一下上面的三角运行一下。。。
一开始跳到result history，只是显示运行历史，并没有什么东西，然后点开correlation matrix看看。。
挺简洁的相关矩阵，显示了这三个变量之间的关联性并不大，有不少甚至是相反的关系。。嗯。
然后点去sample set，A1LP1的重点也是在sample set里面，首先可以看到是都列出来的数据：
可以看见被定义为ID的claim number被标蓝了，也不太会搞进分析过程里面了，然后被label的fraud flag被提前了，就很容易看出是自变量，拿去分析其他数据的。然后再点去statistics。
就是一个各个变量的总览。。挺好用的，然后再看看charts。
以显示按body part来分有fraud flag的保险为例，很明显背部出问题的保险的fraud flag是最高的，然后其他的图表什么的就另外再说了。。
总之A1-LP1的确只是想让我们摸摸RapidMiner而已，也不算太大问题。。就这样吧= =