本文利用KNIME基于Spark决策树模型算法,通过对泰坦尼克的包含乘客及船员的特征属性的训练数据集进行训练,得出决策树幸存模型,并利用测试数据集对模型进行测试。
1、从Kaggle网站下载训练数据集和测试数据集
2、在KNIME创建新的Workflow,起名:TitanicKNIMESpark
3. 读取训练数据集
KNIME支持从Hadoop集群读取数据,本文为了简化流程直接从本地读取数据集。
在Node Repository的搜索框里输入CSV Reader,找到CSV Reader节点,并将它拖入画布。
双击或右击CSV Reader对节点进行配置,设置数据集的目录。