我正在研究 KNIME ANALYTIC PLATFORM 作为我项目的一部分。我是这个分析平台的新手。
预测分析是从现有数据集中提取信息以确定模式 并预测未来结果和趋势的做法。 ... Knime基于Eclipse平台，提供基于数据流的可视化编程语言，以快速创建易于理解的分析过程
我的方法
对于现有数据，我试图形成一种模式。比如.. ..
有几个客户有待支付的金额，而且很少有人支付。我的情况是他们可能存在1个或更多来自客户的订单，
假设客户1,2和3在那里。 Cust_1有3个订单，Cust_2有2个订单，Cust_3有1个订单，有一些订单支付金额，有些没有支付。
我的问题
我的问题是我们能否根据客户生成模式 要知道客户订购2件以上的彩色并将其排列成图案？ knime中的哪些节点构成了我的模式？
任何人都可以解决这个问题。
答案 0 :(得分：0)
在这种情况下，客户一起购买的模式，表示为关联规则。这些规则可以应用于新数据，并且可以通过在其中一个产品进入购物篮时建议这些产品来帮助预测新购买。
如果客户可以获得更多信息，可以根据这些属性将这些信息聚集在一起（在这种情况下，模式是客户的相似性），如果新客户适合其中一个集群，最常见的产品可以建议给她/他/它。好的一点是，一旦你掌握了数据并且熟悉了KNIME（它本身就是user friendly），KNIME就会非常容易，有很多免费资源可用：https://www.knime.com/resources）。
显然，其他模式也可能有用。如果您有更多数据，您可能会看到购买单个客户订单的趋势（模式）（或订单数量，ARIMA节点可能有用的地方）或不同产品的受欢迎程度。这些也可称为模式。
对于复杂模型，您可能还需要使用其他工具，如R或Python或其他工具。我应该强调KNIME具有非常好的PMML支持，因此您不需要使用单一工具，您可以在KNIME中创建/训练模型，并使用其他工具根据该模型或其他方式进行预测。