機器學習工具介紹 demos for machine learning tools

COPYRIGHT©2016 eBizprise Inc. & eBizprise Technology (TJ) Ltd.

機器學習工具介紹

Tools and Softwareof Machine Learning

Will Kuan

官大鈞in


研究 IT 技術應用架構與Solution Provider

http://www.mammothdb.com/the-big-data-landscape-by-mammothdb/


Roadmap

資料視覺化套件及雲端平台介紹- D3.js 、 Highcharts 、 Microsoft SandDance

資料採礦軟體介紹- RapidMiner 、 Orange 、 SPSS Modeler 、 Weka 、 Microsoft Azure Machine Learning

NoSQL 資料庫介紹- SQL vs. NoSQL

- MongoDB


http://www.mammothdb.com/the-big-data-landscape-by-mammothdb/

COPYRIGHT©2016 eBizprise Inc. & eBizprise Technology (TJ) Ltd.COPYRIGHT©2015 eBizprise Inc. & eBizprise Technology (TJ) Ltd.

資料視覺化Visualization

各式資料視覺化套件之介紹：http://blog.infographics.tw/

http://blog.infographics.tw/

http://blog.infographics.tw/


Open Source

集結眾人分享的 JavaScript 樣本函式庫，包含一整組操縱畫圖很好用的輔助工具，還有很方便的資料操作模型

D3.js 的基礎不是在視覺化，而是資料與物件的結合優點：彈性大缺點：實作繁瑣、需先必備 Javascript 、 HTML 、 CSS 、 SVG 等知識

D3.jshttps://d3js.org/

https://d3js.org/

https://d3js.org/


大祕寶： https://github.com/mbostock/d3/wiki/Gallery

個人 Github 人際網路互動圖： http://ghv.artzub.com/#repo=d3&climit=100&user=mbostock

全球各國歷年資料互動圖： http://cesiumjs.org/demos/d3.html

各式基本資料圖表： https://my.infocaptor.com/free_data_visualization.php

簡易互動式 Dashboard ： http://bl.ocks.org/NPashaP/96447623ef4d342ee09b

D3.js 函式庫

https://github.com/mbostock/d3/wiki/Gallery



http://ghv.artzub.com/

http://ghv.artzub.com/

http://cesiumjs.org/demos/d3.html



https://my.infocaptor.com/free_data_visualization.php

https://my.infocaptor.com/free_data_visualization.php

http://bl.ocks.org/NPashaP/96447623ef4d342ee09b

http://bl.ocks.org/NPashaP/96447623ef4d342ee09b


來自挪威的小而美軟體公司 Highsoft AS 的產品，利用 jQuery 與 HTML5 技術推出一系列資料視覺化工具 (Data Visualization Tools) ，目前有三套固定樣式圖表套件及客製化服務 :

Hightcharts : 用於繪製一般統計圖表 Hightstock : 用於繪製金融資訊圖表 Highmaps : 用於繪製地理圖表 USE CASES : 為客戶客製化資料視覺化圖表

Highcharts官網 URL：http://www.highcharts.com/

http://www.highcharts.com/

http://www.highcharts.com/products/highstock

http://www.highcharts.com/products/highmaps

http://www.highcharts.com/use-cases




微軟今年三月推出的免費資料視覺化工具 https://www.sanddance.ms/

Web-based 工具，只要打開瀏覽器，上傳一份不論是 txt 、 csv 、 json 格式的資料，就可以以不同的方式呈現分析結果。

可同時觀看整體及個別的數據

SANDDANCE微軟最新資料視覺化工具

https://www.sanddance.ms/


Top 26 Data Mining Software:http://www.predictiveanalyticstoday.com/top-data-mining-software /

Top 40 Free Data Mining Software:http://www.predictiveanalyticstoday.com/top-free-data-mining-software/

Top 27 Free Data Analysis Software:http://www.predictiveanalyticstoday.com/top-data-analysis-software /

Six of the Best Open Source Data Mining Toolshttp://thenewstack.io/six-of-the-best-open-source-data-mining-tools /

5 Free Data Mining Toolshttp://www.butleranalytics.com/5-free-data-mining-tools /

Ranking of Analysis Tools

http://www.predictiveanalyticstoday.com/top-data-mining-software/



http://www.predictiveanalyticstoday.com/top-free-data-mining-software/



http://www.predictiveanalyticstoday.com/top-data-analysis-software/

http://www.predictiveanalyticstoday.com/top-data-analysis-software/

http://thenewstack.io/six-of-the-best-open-source-data-mining-tools/

http://thenewstack.io/six-of-the-best-open-source-data-mining-tools/

http://www.butleranalytics.com/5-free-data-mining-tools/

http://www.butleranalytics.com/5-free-data-mining-tools/


RapidMiner IBM SPSS Modeler KNIME Weka

自然語言處理 (NLP) ： NLTK 、 Python 、 R 、 RapidMiner

聯合國專用 (UN) ： DevInfo

商業智慧視覺化工具： SAP Lumira 、 Think Analytics 、 Portrait

Software 、 Oracle Data Mining

簡易資料分析工具： Tanagra 、 Weka 、 ELKI 、 Databionic ESOM Tools

進階資料分析工具： Encog 、 Viscovery 、 OpenNN 、 LIBSVM

Popular Analysis Tools R Python Orange SAS Data Mining


資料分析工具，為機器學習、資料採礦、文字探勘、預測分析與商業分析的整合平台環境，並提供資料視覺化的服務圖形化介面拖曳式分析設計介面流程錯誤告知供各檔案格式讀寫及外部資料庫連結以圖示化紀錄個人 ETL 工作流程

目前大多資料分析工具均含有以上之功能RapidMiner官網 URL：

https://rapidminer.com/products/studio/





資料源選擇

方法選擇

主流程操作平台資料與分析結果的呈現、歷史流程紀錄

方法參數設定


RapidMiner 實作分群範例使用 RapidMiner內建 Iris鵑尾花資料集

將 Iris資料集拖移至主控台


RapidMiner 實作分群範例

游標移至資料集物件右方的 out半圓，顯示資料集的資料介紹後按 F3鍵，檢視Missings欄位確認個屬性是否有遺失值



輸入” select attributes”，並將 Select Attributes方法物件拖移至主控台



點選資料集的 out半圓，將線條連到 Select Attributes物件的 exa半圓，連接兩物件使得資料可以進行欄位選取之動作



點選 Select Attributes進行參數設定，於右方 attribute filter type選擇” subset”，點選 attributes欄位的” Select Attributes…”按鈕，將視窗左方的 a1至 a4選至右方，並按下 Apply



於 Operators搜尋 cluster，將 K-Means功能物件移至主控台，並將 Select Attributes物件的exa半圓與之連結，點選 Clustering物件進行參數設定，將 k設為 3



將 Clustering物件的兩個 clu半圓與右方的 res半圓連結，並按下上方工具列中的 RUN按鈕



主畫面跳到 Results模式，點選 Cluster Model(Clustering)顯示模型結果



點選 ExampleSet(Select Attributes)顯示個資料點的分群結果


資料分析工具，為機器學習、資料採礦、預測分析與商業分析的整合平台環境，並提供資料視覺化的服務 RapidMiner 的五項特點均包含可串接 Python 程式碼易與各種資料源串接建簡易且便利的圖形化介面

Orange官網 URL：http://orange.biolab.si/

http://orange.biolab.si/

http://orange.biolab.si/


資料分析工具，為機器學習、資料採礦、文字探勘、預測分析與商業分析的整合平台環境，並提供基本資料視覺化的服務需付費購買 RapidMiner 的五項特點均包含易與各種資料源串接可與 IBM 其他軟體串接各工作區簡易且易於操作可串接個人之 R 程式碼使用 R 套件提供之資料視覺化功能

SPSS Modeler


以 Rencency 、 Frequency 、 Monetary 來預測客戶回購的可能性。 Recency 最近一次消費日期 Frequency 購買頻率 Monetary 消費金額

概念：愈是近期有購買記錄的客戶，再度購買的可能性愈大。過去購買次數愈多的客戶，再度購買的可能性愈大。過去購買金額愈多的客戶，再度購買的可能性愈大。

RFM

重點發展客戶

重要價值客戶

普通發展客戶一般價值客戶一般常態客戶

重點挽留客戶

重點常態客戶

一般挽留客戶


SPSS Modeler Personal

SPSS Modeler Professional

SPSS Modeler Premium

SPSS Modeler Gold

建置環境僅適用於桌機桌機 /伺服器桌機 /伺服器桌機 /伺服器基本功能預測

分類資料分割關聯式規則

預測分類資料分割關聯式規則



特殊功能文字探勘社群網路分析

文字探勘社群網路分析

擴充功能決策管理協同與部署服務

SPSS Modeler 各版本之比較


Weka官網 URL：http://www.cs.waikato.ac.nz/ml/weka/

http://www.cs.waikato.ac.nz/ml/weka/

http://www.cs.waikato.ac.nz/ml/weka/


Explorer ： ( 最常用 )基本 Weka 探索資料平台 Experimenter ：提供實驗性比對數據之平台 Knowledge Flow ：圖形化拖曳式介面，並支援增量學習 Simple CLI ：可輸入指令操作分析流程

WEKA的資料載入有提供下列方式：由檔案載入、從網站載入及由資料庫聯結，其中由檔案載入常用的格式為 ARFF檔


ARFF 檔案格式 (Attribute-Relation File Format) 是 Weka 支援的檔案格式之一，另一種是使用 XML 描述的 XRFF 檔案格式

.arff 檔案格式解說：1. 註解 %

2. 表示 data set 的名稱3. 個欄位屬性的名稱與型態4. 資料內容

Weka 檔案格式

註：如果原始資料中有未知的值，則可以用問號？來表示


點選 Open file，選擇剛剛建立的 weather.arff檔


屬性選擇區

屬性統計描述區屬性篩選處理

分組圖表


微軟提供之雲端機器學習平台，包含資料採礦、文字探勘、預測分析與商業分析、統計分析與資料清理等相關功能，並提供資料視覺化的服務 RapidMiner 的五項特點均包含可擴充個人之 Python 、 R 程式碼模組可擴充個人之 OpenCV 程式碼模組易與各種資料源串接免費提供許多樣本實驗及範例資料集可與其他使用者互動及合作操作流程請參考本人的 Azure ML Tutorial ，放置於公司的 Forum 和本人的 Github ：https://github.com/Willdata/Tutorial

https://github.com/Willdata/Tutorial




無綱要 (Schemaless) 設計、 Not only SQL 、 No join 完整的 NoSQL 分類參考： http://nosql-database.org/ 例：時間序列 / 串流資料庫： AXIBASE

http://axibase.com/products/axibase-time-series-database/

NoSQL 簡介

資料模型應用場景文件導向資料庫Document-Oriented Database

Web環境下的數據資料鍵值資料庫Key-Value Oriented Database

記錄檔系統、內容快取(主要用於處理大量資料的高存取負載 )

列式資料庫Column-Oriented Database

分散式檔案系統圖形資料庫Graph-Oriented Database

社群網路、推薦系統、關係圖譜

http://nosql-database.org/




NoSQL 簡介資料模型優點缺點

文件導向資料庫Document-Oriented Database

資料庫結構要求不嚴格(Schemaless)

查詢性能不高，缺乏統一的查詢語法

鍵值資料庫Key-Value Oriented Database

查詢速度快資料無結構化列式資料庫Column-Oriented Database

查詢速度快，擴充性高，易於進行分散式擴充

功能相對侷限圖形資料庫Graph-Oriented Database

可利用圖形結構相關演算法 (最短路徑、 N度關係 )

時常需對所有圖形做計算才能得到所需資訊，且不容易應用於分散式集群分析


Recall ： RDB INSERT INTO “ 客戶” ( “2201”, “ 派大星” , ” 男” );

更改資料庫綱要

INSERT INTO “ 客戶” ( “2203”, “ 喬巴” , ” 加拿大” );

CREATE TABLE “ 客戶” (

“_id” String,

“Name” String,

“Gender” String

);

_id Name Gender

…

_id Name Gender2201 派大星男2202 皮卡丘男

_id Name Gender Nationality2201 派大星男 NULL

2202 皮卡丘男 NULL

_id Name Gender Nationality2201 派大星男 NULL

2202 皮卡丘男 NULL

2203 喬巴男加拿大


以 XML 或 JSON 文件導入 NoSQL 概念裡

customers collections{ “_id”:”2201”, “Name”:” 派大星” , “Gender”:” 男” , “Interest”:[“ 發呆

” , “ 吃” ] }

{ “_id”:”2202”, “Name”:” 皮卡丘” , “Gender”:” 男” , “Interest”:[“ 演戲” ] }

{ “_id”:”2203”, “Name”:” 托尼托尼喬巴” , “Gender”:” 男” }

文件導向資料庫

RDB 文件導向資料庫資料表資料表 (Table) 集合 (Collection)

資料列 (Row) 文件 (Document)


鍵值資料庫是以 Amazon 的 Dynamo 研究論文以及分散式雜湊表為基礎。每一筆資要包含一組鍵值對 (Key-Value) ，在 key 與 value 之間建立映射關係，透過key 可以直接存取 value ，進而進行基本的操作。

customers bucket{ key:”<2201_Name>”, value:” 派大星” }{ key:“<2201_Gender>”, value:” 男” }{ key:“<2201_Interest>”, value:“ 發呆 , 吃” }{ key:”<2202_Name>”, value:” 皮卡丘” }{ key:“<2202_Gender>”, value:” 男” }{ key:“<2202_Interest>”, value:“ 演戲” }

鍵值資料庫

RDB 鍵值資料庫資料表資料表 (Table) 桶 (Bucket)

資料列 (Row) 鍵值對 (Key-Value)

第 1筆鍵值對 (Key-Value)第 2筆鍵值對 (Key-Value)…


列式資料庫是以列儲存，將同一列資料存在一起。此類資料庫如Apache Cassandra 、 Google BigTable 、 Hadoop Hbase

customers Column Family

列式資料庫

RDB 列式資料庫資料表資料表 (Table) 欄位群 (Column Family)

資料列 (Row) 列 (Row)

_id Name2201 派大星2202 皮卡丘2203 布魯托

【姓名】欄位資料表

_id Gender

2201 男2202 男2203 男【性別】欄位資料表

_id 興趣2201 發呆、吃2202 演戲

【興趣】欄位資料表


圖形資料庫是採用圖結構的概念來儲存資料，並利用圖結構相關演算法提高性能。此類代表如 Neo4j http://neo4j.com/

RDB ：

圖形資料庫

RDB 圖形資料庫資料表資料表 (Table) 節點 (Node)

資料列 (Row) 節點的屬性 (Attribute)

Cus_id Cus_name

Gender

2201 派大星男2202 皮卡丘男2203 布魯托男

Prod_id

Cus_id Status

22001 2201 加購22001 2202 退貨22001 2203 出貨中Seller_id Seller_na

me1101 安納金

Prod_id Prod_name

22001 R2D2Seller_id Prod_id

1101 22001

http://neo4j.com/


圖形資料庫：

派大星

R2D2皮卡丘

布魯托

加購退貨

出貨中

安納金販賣

延伸：http://www.ithome.com.tw/news/98285

http://www.ithome.com.tw/news/98285




MongoDB 是用來處理大數據級的資料庫，而他是以文件導向的方式儲存的資料庫

沒有 Schema限制，不過雖然有這樣的彈性還是建議用 Relation DataBase 的設定概念來設計 MongoDB 資料庫

MongoDB Cloud Manager ：應用程式的效能時常倚靠資料庫， MongoDB 提供的整合雲端

管理者服務可以多面向監控資料庫，並以儀表板等視覺化呈現


MongoDB Cloud Manager


MongoDB 自 2009 年推出第一個版本後，已有 7 年之久，且算是目前最紅的 NoSQL 資料庫，所以其圖形化使用者介面工具 (Graphical User Interface ， GUI) 自然也不少，以下為幾款較常見的 MongoDB專用 GUI

MongoVue ： MongoHub ： http://

www.macupdate.com/app/mac/33918/mongohub (Mac only) RockMongo ： http://rockmongo.com/ RoboMongo ： https://robomongo.org/

同場加映： MongoBooster http://mongobooster.com/

安裝 MongoDB&Robomongo

安裝此款GUI

http://www.macupdate.com/app/mac/33918/mongohub



http://rockmongo.com/

http://rockmongo.com/

https://robomongo.org/

https://robomongo.org/

http://mongobooster.com/




點此URL 進入官網下載頁面安裝適合的版本： https://www.mongodb.org/downloads#production

安裝

https://www.mongodb.org/downloads

https://www.mongodb.org/downloads


於 C:\下建立一個空資料夾為 MongoDB ，於此MongoDB 資料夾下建立一個空資料夾為 mongodb ，並執行剛剛下載的 msi 檔，將檔案安裝於此

安裝


在搜尋欄中輸入”環境變數”，點選編輯帳戶內的環境變數後，選擇Path變數並點選編輯，於變數值欄位中的文字框後面加上 ;C:\MongoDB\mongodb\bin 的字串 ( 請直接複製貼上 ) ，並點選確定

安裝


於 C:\MongoDB下建立空資料夾 data 和 log ，開啟一個新空的記事本，填入以下兩行參數設定 ( 請直接複製貼上 )dbpath=C:\MongoDB\data\dblogpath=C:\MongoDB\log\mongod.log最後將此 txt 檔存入 C:\MongoDB下，並將附檔名改成 .cfg

安裝


在搜尋欄中輸入 cmd 開啟命令提示字元，並輸入以下指令：mongod --config “C:\MongoDB\mongod.cfg”(因為 ppt 的雙引號與 cmd裡的不一樣，若複製貼上的話，請重新輸入雙引號 )

啟動

註：啟動MongoDB的方式有兩種，方法一是上述的「使用命令提示字元啟動一個MongoDB服務」，若電腦重新啟動時需手動以上步驟重啟MongoDB服務，方法二是「使用Windows Service

啟動MongoDB服務」，每次電腦重啟後均會自動啟動MongoDB服務。


1. 進入 Robomongo網站點選最新版本，下載免費的方案。2. 接著點選下載的檔案，執行之後依照畫面提示安裝即可。3. 開啟 Robomongo後，準備連接資料庫 ( 需先開啟MongoDB 服務 ) ，點選左上方的 Create新增一個資料庫連線

安裝


1. 為了讓大家較容易練習，我已經在 mongolab此雲端平台幫大家建立一個 ebizLab 的資料庫帳戶，做為大家練習用。若有興趣建立個人的帳號，可參考此網頁操作： http://www.codedata.com.tw/database/mongodb-tutorial-1-setting-up-cloud-env/

2. 以下是 ebizLab帳戶的基本登入資料：Account ： ebizLabUser name ： ebizpracticePassword ： 1bizpriseDatabase ： {sales 、 bookstore}Address ： {ds023520.mlab.com 、 ds025180.mlab.com}Port ： {23520 、 25180}

連接 MongoLab 資料庫

開頭是數字 1

http://www.codedata.com.tw/database/mongodb-tutorial-1-setting-up-cloud-env/




Connection 設定：Name 欄位表示本機開啟 Robomongo 時，會看到資料庫連線，可自行輸入自己容易分辨的名稱，在這裡我用” ebizsales” 作為範例。

Address 欄位請輸入ds023520.mlab.com

冒號後的 Port 請輸入23520



Authentication 設定：點選 Perform authentication ，並在 Database 欄位輸入 sales

User Name 欄位請輸入ebizpractice

Password 欄位請輸入1bizprise



測試資料庫連線：點選 Test ，檢測是否可正常連線



存取資料庫連線：點選 Save後，檢測是否已存取新增的資料庫連線，接著點選 Connect進行連線


p.s. 請依上述步驟自行新增 bookstore 資料庫連線


Connection 設定：點選左上方的 Create後， Address 預設為 localhost ， Port 預設為27017 ，均不需更改。只需填寫 Name 欄位中本機資料庫連線的名稱，Connection 參數設定完成後即可點選 Test 與 Save新增本機資料庫連線。

新增本機的資料庫


存取本機資料庫連線：點選 Save後，檢測是否已存取新增的資料庫連線，接著點選 Connect進行連

新增本機的資料庫


NoSQL Database of Microsoft

Document-oriented

Friendly SQL query interface

DocumentDB教學：http://www.codedata.com.tw/database/azure-documentdb-1-sign-up/

db.books.find({listPrice: {$gte: 50}});

SELECT * FROM books b WHERE b.listPrice >= 50

http://www.codedata.com.tw/database/azure-documentdb-1-sign-up/




NoSQL supersedes SQL

如同汽車是否可取代船的說法，只因為汽車是較新的科技。 NoSQL 和 SQL 資料庫著重的面向不同，所以兩者都有可能會達到幫助或阻礙的效果。因此， NoSQL 不是 SQL 的取代方案，只是另一種選擇。 NoSQL is better / worse than SQL

有些資料適合 SQL 資料庫，有些資料反而比較適合 NoSQL 資料庫。不是兩者哪一種比較好，而是兩者之中，哪一種較適合我們的需求。

Myths


SQL vs NoSQL is a clear distinction

漸漸有些 SQL 資料庫正擴充 NoSQL 資料庫的特性，而某些 NoSQL 資料庫也正擁抱傳統 SQL 資料庫的優點，所以 SQL 和 NoSQL 資料的界線已漸漸不明顯。 The language/framework determines the database

不是我們使用的程式語言決定我們所需要的資料庫，而是我們的專案需求決定我們的資料庫。

Myths

popular technology stacks

• LAMP: Linux, Apache, MySQL (SQL), PHP

• MAMP: My Apache, MySQL, PHP

• MEAN: MongoDB (NoSQL), Express, Angular, Node.js

• .NET, IIS and SQL Server

• Java, Apache and Oracle

COPYRIGHT©2016 eBizprise Inc. & eBizprise Technology (TJ) Ltd.COPYRIGHT©2015 eBizprise Inc. & eBizprise Technology (TJ) Ltd.

網路爬蟲Web Crawler

什麼是網路爬蟲利用 HTTP Request抓取網路資料的技術

為什麼需要爬蟲若資料庫的內容不充足，或是苦無資料以致無法與別人談資料交換或合作

時，就可利用此技術將別人的資料庫變成自己的資料庫。甚至若需要即時性資料時，無需等待資料庫進行工作排程後才可獲得最新資料。網路爬蟲原理

模擬用戶使用瀏覽器輸入網址並透過 HTTP協定中的 GET 或 POST方法送出一個請求 (Request)到遠端的伺服器 (Server) ，伺服器接受請求後，就會回應 (Response) 並回傳網頁內容 (原始碼 ) 的檔案回來，再經由瀏覽器轉譯後變成漂亮的網頁。


Agent

與特工有些類似，會依據所給予的任務而進行抓取。簡言之，一個口令一個動作，沒有口令沒有動作。

Spider

像蜘蛛網般可以把所有偵測到的資料全部抓取，雖然看似很厲害，但就如同畫滿螢光筆的課本跟沒有畫是一樣的。

網路爬蟲Web Crawler


Request

GET index.html

HTTP/1.1

Response

HTTP/1.1 200

OK


網路爬蟲教學 – 大數學堂http://www.largitdata.com/course_list/1

多款開源爬蟲軟體工具之比較http://www.haixiaol.com/n661984.html

Kimono 雲端爬蟲服務官網：https://www.kimonolabs.com/

Google Chrome Extension ：https://chrome.google.com/webstore/detail/kimono/deoaddaobnieaecelinfdllcgdehimih?utm_source=chrome-ntp-icon

http://www.largitdata.com/course_list/1

http://www.largitdata.com/course_list/1

http://www.haixiaol.com/n661984.html

http://www.haixiaol.com/n661984.html

https://www.kimonolabs.com/


https://chrome.google.com/webstore/detail/kimono/deoaddaobnieaecelinfdllcgdehimih?utm_source=chrome-ntp-icon





雲端爬蟲服務，並能以 API 的形式提供抓取的資料完全不需要寫程式，也不需要會正規表示式

imono


進入 Kimonolabs網站，點選右上角的 Download Desktop App


安裝





點選合適的版本進行下載與安裝。安裝


安裝完成後，開啟 Kimono ，並點選第一步驟的 Kimono Desktop chrome extension

安裝


進入 Chrome線上應用程式商店後，將此擴充功能加到 Chrome 瀏覽器中。

安裝


待 Chrome 瀏覽器右上角出現 Kimono 圖示後，則所有安裝步驟均完成。

安裝


開啟桌面的 Kimono應用程式後，開啟 Chrome 瀏覽器，進入欲擷取資料的網頁，點選右上角的 kimono擴充功能，此時書籤列下方則會出現 kimono 的工作列，如下圖所示：

操作


點選欲抓取的資料， Kimono會將類型相似的資料一併提供給使用者，並向使用者確認是否需要擷取，而使用者以打勾和打叉的方式確認。

操作


選擇欲擷取的資料後，左上角即出現確定擷取的資料數目。此外，可適度將欲抓取的資料類型更改名稱，如下圖所示：

操作


點選加號 (+)即可將欲抓取的資料暫存，並開啟新的欲抓取之資料類型。再依上述步驟，暫存新資料

操作


在右上角的模式選擇中，點選中間的模式，即可以標籤的模式觀看已暫存的資料。

操作


在右上角的模式選擇中，點選右邊的模式，即可以 JSON或CSV或 RSS 的模式觀看已暫存的資料。

操作


點選右上角的，輸入此 API 的名稱，若尚未完成資料選取，則點選右上角的。輸入 API 的名稱後，選擇抓取資料的排程規劃。

操作


點選 Create API ，創建可擷取該資料的管道。操作


API創建完成後，將顯示以下畫面，接著點選桌面板的 Kimono應用程式。

操作


開啟桌面版 Kimono後，點選右上角的 My APIs選單。若無出現該圖示，可至左上角功能選單，並依此點選， View > Go To List View

操作


開啟 API選單頁面後，即可查看已創建的 APIs

操作

剛剛創建成功的


欲查看 API 的內容，可點選該 API 的名稱進入此畫面。 DATA PREVIEW 以 CSV 、 RSS或 JSON 的方式呈現資料。

操作


CRAWL SETUP則可執行爬蟲的動作，並觀看爬蟲的狀態。操作


在 MODIFY RESULTS中，可撰寫個人的 Javascript Function ，以作為滿足個人需求的篩選或調整。

操作

機器學習工具介紹 demos for machine learning tools

Data & Analytics