Mal eine Frage an die #visualisierung und #datamining Experten.
Gehen wir mal davon aus ihr habt knapp 6 Monate 24/7 Playlist Daten von mehreren deutschen Radiosendern bekommen. (mit 2-3 Ausfällen)
Also "Sender, Datum, Uhrzeit, Künstler, Titel"
Wie würdet ihr das visualisieren? bzw analysieren?
Ich würde zum Beispiel gerne wissen ob ein Sender einen Künstler mehr spielt als alle anderen.
Falls jemand Ideen / Hinweise hat immer her damit. Boosten natürlich auch gerne.
@dasistdaniel Die Details zu Zugriff auf die Datenbasis mal aussen vor lassend, einfach mal als subjektiver Erfahrungsbericht: Ich hatte vor einer Weile eine vage vergleichbare Aufgabe vor mir, aber keine (ausreichend belastbare) Ahnung von #Statistik, so dass ich meiner Interpretation der Ergebnisse von R-Scripten nicht trauen wollte. Bin dann mit dem freien #KNIME sehr gut zurande gekommen, fühlte mich von dessen visuellem Workflow und der Hilfe sehr gut geführt. Und macht Spass.
@Moepmoep @dasistdaniel ... und soweit ich das überblicke, ist das Teil wunderbar erweiterbar, und zumindest in Teilen irgendwie auch nur ein GUI-Wrapper um einen Stapel R-Scripte. ;-)
Ich nehm #KNIME sehr gern, um Methodik mit bekannten Daten auf Sinnhaftigkeit zu checken, bevor's auf grösseres losgeht, bzw. gefittete Modelle in anderem Framework ausgewildert werden.
@Moepmoep Und vieles ist bei #KNIME halt mit drei Klicks verfügbar, was ich mir aus Bequemlichkeit in anderen Umgebungen nie gönnen täte - oder beim Versuch dann blöde Fehler einbauen würde :-(
hab mich da beispielsweise jüngst sehr über den X-Partitionierer gefreut (um randomisiert Training Set und Testset zu isolieren), gerade ohne tiefgreifende Statistik/DataMining/MachineLearning-Kenntnisse sind solche Module schon eine gute Starthilfe.
@dasistdaniel @ceha freut mich, dass jemand anders knime schon erwahnt hat. Kenne einige Leute, die daran arbeiten.