در این پروژه که با نرم افزار داده کاوی رپید ماینر تهیه شده است, عملیات پیش بینی بارندگی را با استفاده از کا نزدیکترین همسایه(KNN) یا الگوریتم کا نزدیکترین همسایه(KNN) انجام داده و ضمن رسم درخت نتایج را نیز نمایش می دهد. روال کار بدین صورت است که ابتدا با توجه به حجم داده های مربوط به بارندگی که در اختیار داریم, 30% از داده ها را به عنوان داده های Test یا داده های ازمایشی در نظر گرفته و 70% از داده ها را نیز به عنوان داده های Train یا داده های آموزشی در نظر می گیریم. سپس ابتدا داده های train را به مدل مربوطه ایمپورت کرده و مدل تولید شده با کا نزدیکترین همسایه(KNN) را آموزش می دهیم. پس از اینکه مدل با توجه به داده های آموزشی, آموزش داده شده داده های test مه 30% از داده ها را تشکیل می دهد را جهت ارزیابی و محاسبه دقت به مدل نیز ایمپورت میکنیم. مدل آموزش دیده تک به تک نمونه ها را ارزیابی نموده و ضمن رسم کا نزدیکترین همسایه(KNN) تهیه شده بر اساس متد Information Gain نتایج پیش بینی و دقت روش را محاسبه نموده ونمایش می دهد.
بزودی آموزش های تصویری مرتبط به هر موضوع تهیه و در سایت قرار داده خواهد شد.