第5课：数据科学导论

KNIME Analytics Platform中提供了不同的机器学习算法。例如，经典和现代算法，有监督和无监督算法，统计领域或机器学习社区的算法，用于数值预测或分类，需要及时对数据进行排序，或者仅是数据的随机样本。

学习者-预测者构造

对于监督算法，在将模型转换为生产之前要执行训练阶段，测试阶段和可选的优化阶段。该视频显示了如何通过Learner-Predictor结构涵盖KNIME Analytics Platform中的这些阶段。

训练和测试机器学习模型的示例

数据科学周期不仅涉及培训算法。实际上，这是从原始数据到模型评估和部署的整个过程。在下面的视频中，我们总结了生成预测模型所需的最常见步骤。

我们在这里总结此[L2-DW] KNIME数据牧马人分析平台：高级课程。做得好！

您可以在[L1-DS] KNIME数据科学家分析平台：基础知识 (opens new window)课程中使用基本的机器学习模型进行更多练习。