Difference between revisions of "Orange: Pythagorean Forest"

From OnnoWiki
Jump to navigation Jump to search
Line 2: Line 2:
  
  
−
Pythagorean forest for visualizing random forests.
+
Pythagorean forest untuk mem-visualisasi random forests.
  
 
==Input==
 
==Input==
Line 12: Line 12:
 
  Tree: selected tree model
 
  Tree: selected tree model
  
−
Pythagorean Forest shows all learned decision tree models from Random Forest widget. It displays them as Pythagorean trees, each visualization pertaining to one randomly constructed tree. In the visualization, you can select a tree and display it in Pythagorean Tree widget. The best tree is the one with the shortest and most strongly colored branches. This means few attributes split the branches well.
+
Pythagorean Forest menunjukkan semua decision tree model yang dipelajari dari widget Random Forest. Ini menampilkan mereka sebagai Pythagorean tree, masing-masing visualisasi berkaitan dengan satu pohon yang dibangun secara acak. Dalam visualisasi, kita dapat memilih sebuah tree dan menampilkannya di Pythagorean Tree widget. Tree terbaik adalah yang memiliki cabang terpendek dan berwarna paling kuat. Ini berarti beberapa atribut membagi cabang dengan baik.
  
−
Widget displays both classification and regression results. Classification requires discrete target variable in the dataset, while regression requires a continuous target variable. Still, they both should be fed a Tree on the input.
+
Widget menampilkan hasil klasifikasi dan regresi. Klasifikasi membutuhkan variabel target diskrit dalam dataset, sedangkan regresi memerlukan variabel target kontinu. Namun, keduanya harus diberi inputan / masukan Tree pada input-nya.
  
 
[[File:Pythagorean-Forest-stamped.png|center|200px|thumb]]
 
[[File:Pythagorean-Forest-stamped.png|center|200px|thumb]]
Line 30: Line 30:
 
==Contoh==
 
==Contoh==
  
−
Pythagorean Forest is great for visualizing several built trees at once. In the example below, we’ve used housing dataset and plotted all 10 trees we’ve grown with Random Forest. When changing the parameters in Random Forest, visualization in Pythagorean Forest will change as well.
+
Pythagorean Forest sangat baik untuk memvisualisasikan beberapa tree yang dibangun sekaligus. Dalam contoh di bawah ini, kita telah menggunakan dataset housing dan memplot 10 tree yang kita bangun dengan Random Forest. Saat mengubah parameter di Random Forest, visualisasi di  Pythagorean Forest juga akan berubah.
  
−
Then we’ve selected a tree in the visualization and inspected it further with Pythagorean Tree widget.
+
Kemudian kita memilih tree dalam visualisasi dan memeriksanya lebih lanjut dengan widget Pythagoras Tree.
  
 
[[File:Pythagorean-Forest-Example.png|center|200px|thumb]]
 
[[File:Pythagorean-Forest-Example.png|center|200px|thumb]]

Revision as of 16:20, 21 February 2020

Sumber: https://docs.biolab.si//3/visual-programming/widgets/visualize/pythagoreanforest.html


Pythagorean forest untuk mem-visualisasi random forests.

Input

Random Forest: tree models from random forest

Output

Tree: selected tree model

Pythagorean Forest menunjukkan semua decision tree model yang dipelajari dari widget Random Forest. Ini menampilkan mereka sebagai Pythagorean tree, masing-masing visualisasi berkaitan dengan satu pohon yang dibangun secara acak. Dalam visualisasi, kita dapat memilih sebuah tree dan menampilkannya di Pythagorean Tree widget. Tree terbaik adalah yang memiliki cabang terpendek dan berwarna paling kuat. Ini berarti beberapa atribut membagi cabang dengan baik.

Widget menampilkan hasil klasifikasi dan regresi. Klasifikasi membutuhkan variabel target diskrit dalam dataset, sedangkan regresi memerlukan variabel target kontinu. Namun, keduanya harus diberi inputan / masukan Tree pada input-nya.

Pythagorean-Forest-stamped.png
  • Information on the input random forest model.
  • Display parameters:
    • Depth: set the depth to which the trees are grown.
    • Target class: set the target class for coloring the trees. If None is selected, the tree will be white. If the input is a classification tree, you can color the nodes by their respective class. If the input is a regression tree, the options are Class mean, which will color tree nodes by the class mean value and Standard deviation, which will color them by the standard deviation value of the node.
    • Size: set the size of the nodes. Normal will keep the nodes the size of the subset in the node. Square root and Logarithmic are the respective transformations of the node size.
    • Zoom: allows you to see the size of the tree visualizations.
  • Save Image: save the visualization to your computer as a .svg or .png file. Report: produce a report.

Contoh

Pythagorean Forest sangat baik untuk memvisualisasikan beberapa tree yang dibangun sekaligus. Dalam contoh di bawah ini, kita telah menggunakan dataset housing dan memplot 10 tree yang kita bangun dengan Random Forest. Saat mengubah parameter di Random Forest, visualisasi di Pythagorean Forest juga akan berubah.

Kemudian kita memilih tree dalam visualisasi dan memeriksanya lebih lanjut dengan widget Pythagoras Tree.

Pythagorean-Forest-Example.png


Referensi

Beck, F., Burch, M., Munz, T., Di Silvestro, L. and Weiskopf, D. (2014). Generalized Pythagoras Trees for Visualizing Hierarchies. In IVAPP ‘14 Proceedings of the 5th International Conference on Information Visualization Theory and Applications, 17-28.


Referensi

Pranala Menarik

Retrieved from "https://onnocenter.or.id/wiki/index.php?title=Orange:_Pythagorean_Forest&oldid=60013"