Difference between revisions of "Orange: Distance Matrix"
Onnowpurbo (talk | contribs) |
Onnowpurbo (talk | contribs) |
||
Line 1: | Line 1: | ||
Sumber: https://docs.biolab.si//3/visual-programming/widgets/unsupervised/distancematrix.html | Sumber: https://docs.biolab.si//3/visual-programming/widgets/unsupervised/distancematrix.html | ||
− | + | Widget Distance Matrix dapat mem-visualisasikan hasil pengukuran distance dalam sebuah distance matrix. | |
==Input== | ==Input== |
Revision as of 03:54, 19 March 2020
Sumber: https://docs.biolab.si//3/visual-programming/widgets/unsupervised/distancematrix.html
Widget Distance Matrix dapat mem-visualisasikan hasil pengukuran distance dalam sebuah distance matrix.
Input
Distances: distance matrix
Output
Distances: distance matrix Table: distance measures in a distance matrix
Widget Distance Matrix membuat distance matrix, yang merupakan array dua dimensi yang berisi distance, diambil berpasangan, di antara elemen-elemen dari dataset. Jumlah elemen dalam dataset menentukan ukuran matrix. Matrix data sangat penting untuk Widget Hierarchical Clustering dan mereka sangat berguna dalam bioinformatika, di mana mereka digunakan untuk merepresentasikan struktur protein dengan cara yang bebas koordinat.
- Elements in the dataset and the distances between them.
- Label the table. The options are: none, enumeration, according to variables.
- Produce a report.
- Click Send to communicate changes to other widgets. Alternatively, tick the box in front of the Send button and changes will be communicated automatically (Send Automatically).
Hanya dua input yang cocok untuk Widget Distance Matrix yaitu widget Distances dan widget Distance Transformation. Output dari widget Distance Matrix adalah tabel data yang berisi distance matrix. Pengguna dapat memutuskan bagaimana memberi label pada tabel dan distance matrix (atau contoh dalam distance matrix) kemudian dapat divisualisasikan atau ditampilkan dalam tabel data terpisah.
Contoh
Contoh workflow di bawah ini menampilkan penggunaan widget Distance Matrix yang sangat standar. Kita menghitung jarak antara baris dalam sampel dari dataset Iris dan mengeluarkannya dalam Distance Matrix. Tidaklah mengejutkan bahwa Iris Virginica dan Iris Setosa adalah yang terjauh.