RapidMinerでSparkを使用する方法

投稿日: 2022年8月3日
OS: CentOS 7
バージョン: RapidMiner 9.9

前提条件

1. 以下のサービスが起動している。
   • HDFS
   • Hive
   • Hue
   • Spark
   • YARN(MR2 Included)
   • Zookeeper
2. Radoopエクステンションがインストールされていて、titanicデータがHDFSに格納されている。
   参考：RapidMinerでHDFS/Hiveを使用する方法

Sparkライブラリを使用したデータ分析

1. 「Radoop Nest」を以下のように配置します。結果が2つあるのでresは2つ用意しています。
   
2. 「Radoop Nest」をクリックして、以下のように「Retrieve from Hive」と「Split Validation」を配置します。
   
3. 「Split Validation」をダブルクリックで開き、SparkMLの「Decision Tree」、「Apply Model」、「Performance (Classification)」を以下のように配置します。ここでのPerformanceは「accuracy」のみチェックしています。
   
4. 実行すると以下の結果が得られます。