Difference between revisions of "Orange: Feature Statistics"

Revision as of 10:27, 2 February 2020

Sumber: https://docs.biolab.si//3/visual-programming/widgets/data/featurestatistics.html

Tampilkan statistik dasar untuk data feature.

Input

Data: input data

Output

Reduced data: table containing only selected features
Statistics: table containing statistics of the selected features

Feature Statistics widgetr menyediakan cara cepat untuk memeriksa dan menemukan feature menarik dalam kumpulan data yang diberikan.

Feature Statistics widget padaheart-disease data set. Feature yang dijalankan secara manual diubah menjadi variabel meta untuk tujuan ilustrasi.

Info on the current data set size and number and types of features
The histograms on the right can be colored by any feature. If the selected feature is categorical, a discrete color palette is used (as shown in the example). If the selected feature is numerical, a continuous color palette is used. The table on the right contains statistics about each feature in the data set. The features can be sorted by each statistic, which we now describe.
The feature type - can be one of categorical, numeric, time and string.
The name of the feature.
A histogram of feature values. If the feature is numeric, we appropriately discretize the values into bins. If the feature is categorical, each value is assigned its own bar in the histogram.
The central tendency of the feature values. For categorical features, this is the mode. For numeric features, this is mean value.
The dispersion of the feature values. For categorical features, this is the entropy of the value distribution. For numeric features, this is the coefficient of variation.
The minimum value. This is computed for numerical and ordinal categorical features.
The maximum value. This is computed for numerical and ordinal categorical features.
The number of missing values in the data.

Perhatikan juga bahwa beberapa baris berwarna berbeda. Baris putih menunjukkan feature reguler, baris abu-abu menunjukkan variabel class dan abu-abu yang lebih terang menunjukkan variabel meta.

Contoh

Feature Statistics widget paling sering digunakan setelah File widget untuk memeriksa dan menemukan feature yang berpotensi menarik dalam data set yang diberikan. Dalam contoh berikut, kita menggunakan heart-disease data set.

Setelah kita menemukan subset feature yang berpotensi menarik, atau kita telah menemukan feature yang ingin kita kecualikan, kita dapat dengan mudah memilih feature yang ingin kita pertahankan. Widget mengeluarkan set data baru dengan hanya feature-feature ini.

Atau, jika kita ingin menyimpan statistik feature, kita dapat menggunakan output Statistik dan memanipulasi nilai-nilai itu sesuai kebutuhan. Dalam contoh ini, kita cukup memilih semua fitur dan menampilkan statistik dalam tabel.

Referensi

https://docs.biolab.si//3/visual-programming/widgets/data/featurestatistics.html

Pranala Menarik

Orange

@@ Line 2: / Line 2: @@
-Show basic statistics for data features.
+Tampilkan statistik dasar untuk data feature.
 ==Input==
@@ Line 13: / Line 13: @@
   Statistics: table containing statistics of the selected features
-The Feature Statistics widget provides a quick way to inspect and find interesting features in a given data set.
+Feature Statistics widgetr menyediakan cara cepat untuk memeriksa dan menemukan feature menarik dalam kumpulan data yang diberikan.
 [[File:Feature statistics-stamped.png|center|200px|thumb]]
-The Feature Statistics widget on the heart-disease data set. The feature exerc ind ang was manually changed to a meta variable for illustration purposes.
+Feature Statistics widget padaheart-disease data set. Feature yang dijalankan secara manual diubah menjadi variabel meta untuk tujuan ilustrasi.
 * Info on the current data set size and number and types of features
@@ Line 31: / Line 31: @@
 * The number of missing values in the data.
-Notice also that some rows are colored differently. White rows indicate regular features, gray rows indicate class variables and the lighter gray indicates meta variables.
+Perhatikan juga bahwa beberapa baris berwarna berbeda. Baris putih menunjukkan feature reguler, baris abu-abu menunjukkan variabel class dan abu-abu yang lebih terang menunjukkan variabel meta.
 ==Contoh==
-The Feature Statistics widget is most often used after the File widget to inspect and find potentially interesting features in the given data set. In the following examples, we use the heart-disease data set.
+Feature Statistics widget paling sering digunakan setelah File widget  untuk memeriksa dan menemukan feature yang berpotensi menarik dalam data set yang diberikan. Dalam contoh berikut, kita menggunakan heart-disease data set.
 [[File:Feature statistics workflow.png|center|200px|thumb]]
+Setelah kita menemukan subset feature yang berpotensi menarik, atau kita telah menemukan feature yang ingin kita kecualikan, kita dapat dengan mudah memilih feature yang ingin kita pertahankan. Widget mengeluarkan set data baru dengan hanya feature-feature ini.
-Once we have found a subset of potentially interesting features, or we have found features that we would like to exclude, we can simply select the features we want to keep. The widget outputs a new data set with only these features.
 [[File:Feature statistics example1.png|center|200px|thumb]]
-Alternatively, if we want to store feature statistics, we can use the Statistics output and manipulate those values as needed. In this example, we simply select all the features and display the statistics in a table.
+Atau, jika kita ingin menyimpan statistik feature, kita dapat menggunakan output Statistik dan memanipulasi nilai-nilai itu sesuai kebutuhan. Dalam contoh ini, kita cukup memilih semua fitur dan menampilkan statistik dalam tabel.
 [[File:Feature statistics example2.png|center|200px|thumb]]