Difference between revisions of "Orange: Randomize"

Latest revision as of 13:16, 4 April 2020

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

Widget Randomize mengacak class, attribute dan/atau meta dari input dataset.

Input

Data: input dataset

Output

Data: randomized dataset

Widget Randomize menerima dataset pada input dan akan mengeluarkan dataset yang sama di mana class, atribut atau / dan meta diacak.

Pilih grup kolom dataset yang ingin kita kocok.
Pilih proporsi dataset yang ingin kita kocok.
Hasilkan output yang dapat di replikasi.
Jika Apply automatically dicentang, perubahan dilakukan secara otomatis. Jika tidak, kita harus menekan Apply setelah setiap perubahan.
Hasilkan Report.

Contoh

Widget Randomize biasanya ditempatkan tepat setelah input data, misalnya widget File. Penggunaan dasar ditunjukkan dalam workflow berikut, di mana nilai-nilai variabel class dataset Iris secara acak dikocok.

Dalam contoh berikut, diperlihatkan bahwa pengocokan nilai class mempengaruhi kinerja model. Walaupun menggunakan dataset yang sama, kinerja learner akan berbeda untuk data yang tidak melalui widget Randomize dan yang melalui widget Randomize.

Referensi

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

Pranala Menarik

Orange

@@ Line 2: / Line 2: @@
-Shuffles classes, attributes and/or metas of an input dataset.
+Widget Randomize mengacak class, attribute dan/atau meta dari input dataset.
 ==Input==
@@ Line 12: / Line 12: @@
   Data: randomized dataset
-The Randomize widget receives a dataset in the input and outputs the same dataset in which the classes, attributes or/and metas are shuffled.
+Widget Randomize menerima dataset pada input dan akan mengeluarkan dataset yang sama di mana class, atribut atau / dan meta diacak.
 [[File:Randomize-Default.png|center|200px|thumb]]
+* Pilih grup kolom dataset yang ingin kita kocok.
-    Select group of columns of the dataset you want to shuffle.
+* Pilih proporsi dataset yang ingin kita kocok.
-    Select proportion of the dataset you want to shuffle.
+* Hasilkan output yang dapat di replikasi.
-    Produce replicable output.
+* Jika Apply automatically dicentang, perubahan dilakukan secara otomatis. Jika tidak, kita harus menekan Apply setelah setiap perubahan.
-    If Apply automatically is ticked, changes are committed automatically. Otherwise, you have to press Apply after each change.
+* Hasilkan Report.
-    Produce a report.
 ==Contoh==
-The Randomize widget is usually placed right after (e.g. File widget. The basic usage is shown in the following workflow, where values of class variable of Iris dataset are randomly shuffled.
+Widget Randomize biasanya ditempatkan tepat setelah input data, misalnya widget File. Penggunaan dasar ditunjukkan dalam workflow berikut, di mana nilai-nilai variabel class dataset Iris secara acak dikocok.
-[[File:Randomize-Example1.png|center|200px|thumb]]
-In the next example we show how shuffling class values influences model performance on the same dataset as above.
-[[File:Randomize-Example2.png|center|200px|thumb]]
+[[File:Randomize-Example1.png|center|600px|thumb]]
+Dalam contoh berikut, diperlihatkan bahwa pengocokan nilai class mempengaruhi kinerja model. Walaupun menggunakan dataset yang sama, kinerja learner akan berbeda untuk data yang tidak melalui widget Randomize dan yang melalui widget Randomize.
+[[File:Randomize-Example2.png|center|600px|thumb]]
 ==Referensi==