问题标签 [knime]

我正在使用KNIME 2.9.4并且已在远程 Linux 服务器中HBase安装（版本 - ）。0.94.8使用主机 IP，我正在尝试连接到HBase.

这就是我所做的。

在首选项页面中添加了“ ”，并且正确加载hbase-0.94.8.jar了数据库驱动程序。org.apache.hadoop.hbase.jdbc.Driver

现在，问题是在数据库 URL 中保留什么。我保留110.207.5.21:2181是10.207.5.2我的远程 ip 并且2181是 zookeeper 端口。

我收到以下错误：

从数据库获取元数据时出错，原因：org.knime.core.node.InvalidSettingsException: Driver org.apache.hadoop.hbase.jdbc.Driver不接受 URL：10.207.5.21:2181

有人可以告诉我，这里出了什么问题。

提前致谢

我尝试使用 DatabaseReader 节点调用存储过程，但它对我不起作用。

谁能建议我如何在 Knime 中调用存储过程？

谢谢，克里希纳

在使用 KNIME 进行测试和学习时，我们通常使用文件夹结构，例如

在每台计算机上。每个人都可以自由编写自己的工作流，不必共享它们等。但是我们希望能够相互发送工作流，我们不需要手动更改数据文件夹的路径，如果每个人都遵循给定的结构，即总是寻找更高的级别并找到文件夹MyKNIMEDataFolder并获取文件xyz.table。

我玩过路径变量（对于每个安装基本上都是固定的），工作流变量和流变量（在发送工作流时被发送），尝试将两者与路径变量帮助文档中的语法（即${VAR}）连接起来，但我找不到将工作流与本地路径完全断开的正确方法。

1. 你觉得我们的结构有什么问题吗？
2. 您将如何处理发送工作流的问题？

如果我的问题有点愚蠢，我对 knime 和 R 都是新手，很抱歉。

我创建了一个简单的工作流程来：

1) 打开多个文件并将它们连接在一起，只有一个 x 轴 (PPM) 和几个 y 轴（名称是通过从文件位置循环创建的）

2）绘制每个单独的 x 和 y 对并将它们保存到特定文件夹（带有 R 片段）

3）用不同的线型在一个图中（带有R片段）绘制所有曲线

不幸的是，最后一点不起作用，我不知道为什么。

这是 Gdrive 的链接，其中包含工作流程和一些数据

https://drive.google.com/file/d/0B6XSS-i7eUt7SlRVOWZ2RElKa0k/edit?usp=sharing

任何帮助（和改进代码的建议）将不胜感激:)

干杯，

米歇尔

使用 KNIME，我想分析数据库中特定列子集中的数据，但不使用限制性 SQL 查询，例如

Select * From table where name like 'PAIN%'

有没有办法在 KNIME 中做到这一点？

这是第 X 次保存我的 KNIME 工作流程，但卡在“Weka Predictor (3.7) - Internals”。它总是阻止保存过程的 Weka 节点，最终我不得不强制 KNIME 退出并丢失我的更改。

我的内存状态目前大约是 3300 中的 900MB，6000MB 是我的 Java VM 的最大允许值。KNIME 获得了我 5% 的 CPU 功率，没有其他东西在运行。

有人遇到同样的问题吗？有什么建议或解决方案吗？

我是 KNIME 的一个相对较新的用户。我一直在尝试通过 R 代码段安装“gWidgetsRGtk2”包，但是当我尝试加载它时它一直给我一个错误。

我尝试在全局首选项中更改 R 路径，还尝试将此包直接添加到 KNIME-R 文件夹中。

这些方法似乎都不起作用。任何人都可以建议出路吗？

我必须训练一个能够识别 6 种可能的输入样本类别的分类器。我还有一个成本矩阵来估计分类器在考虑和不考虑拒绝选项的情况下的性能。

到目前为止，使用交叉验证( leave-one-out )，我将数据集拆分为训练集和验证集，因此我可以测量分类器的性能。我已经在准确性方面达到了这些结果：

• 多层感知器：57.69% 没有拒绝选项，48.26% 有拒绝选项
• 支持向量机：61.99% 没有拒绝选项，35.09% 有拒绝选项

而在成本方面（这些是使用最小风险分类规则获得的估计值）：

• MLP : 2,0028 没有拒绝选项，1,4965 有拒绝选项
• SVM : 1,6089 没有拒绝选项，0,8502 有拒绝选项

所以我已经到了不知道哪个分类器更好的地步。

当然，SVM 的成本低得离谱，但是当您考虑拒绝选项时，您会突然注意到它的准确性非常差（比 MLP 低 -13%）。

在准确度方面，我想说 MLP比 SVM更好，因为它的平均准确度（考虑有/没有拒绝选项）：52,97% (MLP) vs 48,54% (SVM)。

但就平均成本而言，SVM更好：1,74965 (MLP) 与 1,22955 (SVM)。

是否有任何指导方针来促进这一决定？

编辑（根据要求提供更多信息）：数据集有约 700 个样本和约 1250 个特征。然而，通过特征选择，我将特征减少到 81 个。

测试集（我没有）将包含约 700 个样本。

我对包含此列类型的节点有疑问：

数据如下所示：

[[-0.518, -1.431], [-1.431, -0.518]]

下一个节点是Java Snippet。在输入选项中，Java type此列的唯一选项是String，如您所见，这是错误的：

错误 Java Snippet Execute failed: java.lang.ClassCastException: java.lang.String cannot be cast to [Ljava.lang.Object;

这个问题有什么解决办法吗？

感谢帮助。

我目前正在尝试为 Knime 分析平台构建模块。这将是一个生成并传递 PMML 模型作为其输出的模块。

到目前为止，我只能通过手动创建 PMMLDocument 然后创建一个新的 PMMLPortObject((PMMLPortObjectSpec)out_spec, pmmlDoc) 来完成此操作。

我的问题是手动创建 pmml 文档本身是否是正确的方法，或者是否有任何其他更简化的方法来执行此操作，可能是通过模板或类似的方法？

目前，手动生成一个 pmml 模型，如下所示：

可能会变得非常乏味，这让我想知道这实际上是否是最佳实践