Difference between revisions of "Orange: Randomize"
Jump to navigation
Jump to search
Onnowpurbo (talk | contribs) (→Contoh) |
Onnowpurbo (talk | contribs) (→Contoh) |
||
| (2 intermediate revisions by the same user not shown) | |||
| Line 12: | Line 12: | ||
Data: randomized dataset | Data: randomized dataset | ||
| − | Widget Randomize menerima dataset pada input dan akan mengeluarkan dataset yang sama di mana | + | 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]] | [[File:Randomize-Default.png|center|200px|thumb]] | ||
| Line 24: | Line 24: | ||
==Contoh== | ==Contoh== | ||
| − | Widget Randomize biasanya ditempatkan tepat | + | 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| | + | [[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. | 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| | + | [[File:Randomize-Example2.png|center|600px|thumb]] |
==Referensi== | ==Referensi== | ||
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.
