Difference between revisions of "Orange: Constant"

Revision as of 07:26, 27 February 2020

Sumber: https://docs.biolab.si//3/visual-programming/widgets/model/constant.html

Memprediksi most frequent class atau mean value dari sebuah training set.

Input

Data: input dataset
Preprocessor: preprocessing method

Output

Learner: majority/mean learning algorithm
Model: trained model

Learner ini akan menghasilkan model yang selalu memprediksi mayoritas untuk classification atau nilai rata-rata untuk regresi.

Untuk classification, ketika memprediksi nilai class dengan Prediction, widget ini akan menghasilkan frekuensi relative dari class yang ada di training set. Jika ada dua atau lebih majority class, classifier akan memilih secara random dari predicted class, tapi akan selalu menghasilkan class yang sama untuk contoh tersebut.

Untuk regression, dia akan mempelajari rata-rata dari varibel dan menghasilkan predictor dengan nilai rata-rata yang sama.

Widget ini biasanya digunakan sebagai baseline untuk model lainnya.

Widget ini memberi pengguna dengan dua pilihan:

The name under which it will appear in other widgets. Default name is “Constant”.
Produce a report.

If you change the widget’s name, you need to click Apply. Alternatively, tick the box on the left side and changes will be communicated automatically.

Contoh

In a typical classification example, we would use this widget to compare the scores of other learning algorithms (such as kNN) with the default scores. Use iris dataset and connect it to Test & Score. Then connect Constant and kNN to Test & Score and observe how well kNN performs against a constant baseline.

For regression, we use Constant to construct a predictor in Predictions. We used the housing dataset. In Predictions, you can see that Mean Learner returns one (mean) value for all instances.

Referensi

https://docs.biolab.si//3/visual-programming/widgets/model/constant.html

Pranala Menarik

Orange

@@ Line 2: / Line 2: @@
-Predict the most frequent class or mean value from the training set.
+Memprediksi most frequent class atau mean value dari sebuah training set.
 ==Input==
   Data: input dataset
-  Preprocessor: preprocessing method(s)
+  Preprocessor: preprocessing method
 ==Output==
@@ Line 14: / Line 14: @@
   Model: trained model
-This learner produces a model that always predicts themajority for classification tasks and mean value for regression tasks.
+Learner ini akan menghasilkan model yang selalu memprediksi mayoritas untuk classification atau nilai rata-rata untuk regresi.
-For classification, when predicting the class value with Predictions, the widget will return relative frequencies of the classes in the training set. When there are two or more majority classes, the classifier chooses the predicted class randomly, but always returns the same class for a particular example.
+Untuk classification, ketika memprediksi nilai class dengan Prediction, widget ini akan menghasilkan frekuensi relative dari class yang ada di training set. Jika ada dua atau lebih majority class, classifier akan memilih secara random dari predicted class, tapi akan selalu menghasilkan class yang sama untuk contoh tersebut.
-For regression, it learns the mean of the class variable and returns a predictor with the same mean value.
+Untuk regression, dia akan mempelajari rata-rata dari varibel dan menghasilkan predictor dengan nilai rata-rata yang sama.
-The widget is typically used as a baseline for other models.
+Widget ini biasanya digunakan sebagai baseline untuk model lainnya.
 [[File:Constant-stamped.png|center|200px|thumb]]
-This widget provides the user with two options:
+Widget ini memberi pengguna dengan dua pilihan:
 * The name under which it will appear in other widgets. Default name is “Constant”.