Difference between revisions of "Orange: Interpolate"

From OnnoWiki
Jump to navigation Jump to search
 
(7 intermediate revisions by the same user not shown)
Line 2: Line 2:
  
  
Induce missing values in the time series by interpolation.
+
Mengira-ngira nilai yang hilang dalam time series dengan interpolasi.
  
Inputs
+
==Input==
  
    Time series: Time series as output by As Timeseries widget.
+
Time series: Time series as output by As Timeseries widget.
  
Outputs
+
==Output==
  
    Time series: The input time series with the chosen default interpolation method for when the algorithms require interpolated time series (without missing values).
+
Time series: The input time series with the chosen default interpolation method for when the algorithms require interpolated time series (without missing values).
    Interpolated time series: The input time series with any missing values interpolated according to the chosen interpolation method.
+
Interpolated time series: The input time series with any missing values interpolated according to the chosen interpolation method.
  
Most time series algorithms assume, you don’t have any missing values in your data. In this widget, you can chose the interpolation method to impute the missing values with. By default, it’s linear interpolation (fast and reasonable default).
+
Sebagian besar algoritma Time Series mengasumsikan, kita tidak memiliki nilai yang hilang dalam data kita. Dalam widget ini, kita dapat memilih metode interpolasi untuk mengira-ngira nilai yang hilang. Secara default, widget Interpolate akan menggunakan interpolasi linier (cepat dan masuk akal).
  
 
[[File:Interpolate-stamped.png|center|200px|thumb]]
 
[[File:Interpolate-stamped.png|center|200px|thumb]]
  
    Interpolation type. You can select one of linear, cubic spline, nearest, or mean interpolation:
+
* Tipe Interpolasi. Kita dapat memilih salah satu dari linear, cubic spline, nearest, atau mean interpolation:
        Linear interpolation replaces missing values with linearly-spaced values between the two nearest defined data points.
+
** Linear interpolation mengganti nilai yang hilang dengan linearly-spaced values antara dua data point yang terdekat dan terdefinisi.
        Spline interpolation fits a cubic polynomial to the points around the missing values. This is a painfully slow method that usually gives best results.
+
** Spline interpolation melaukan fitting dengan cubic polynomial ke nilai sekitar nilai yang hilang. Oleh karenanya, teknik ini akan sangat lambat sekali tapi akan memberikan hasil terbaik.
        Nearest interpolation replaces missing values with the previous defined value.
+
** Nearest interpolation mengganti nilai yang hilang dengan nilai yang sebelumnya terdefinisi.
        Mean interpolation replaces missing values with the series’ mean.
+
** Mean interpolation mengganti nilai yang hilang dengan nilai rata-rata series.
  
    Multi-variate interpolation interpolates the whole series table as a two-dimensional plane instead of as separate single-dimensional series.
+
* Multi-variate interpolation interpolates the whole series table as a two-dimensional plane instead of as separate single-dimensional series.
  
Missing values on the series’ end points (head and tail) are always interpolated using nearest method. Unless the interpolation method is set to nearest, discrete time series (i.e. sequences) are always imputed with the series’ mode (most frequent value).
+
Pada Widget Interpolate, nilai yang hilang pada nilai akhir series (awal dan ekor) selalu diinterpolasi menggunakan metode terdekat. Kecuali jika metode interpolasi diatur ke nearest, discrete time series (seperti sequences) selalu dikaitkan dengan mode series (most frequent value).
  
 
==Contoh==
 
==Contoh==
  
Pass a time series with missing values in, get interpolated time series out.
+
Masukan sebuah time series dengan nilai yang hilang, memperoleh keluaran time series yang di interpolasi.
  
 
[[File:Interpolate-ex1.png|center|200px|thumb]]
 
[[File:Interpolate-ex1.png|center|200px|thumb]]

Latest revision as of 15:43, 9 March 2020

Sumber: https://orange.biolab.si/widget-catalog/time-series/interpolate/


Mengira-ngira nilai yang hilang dalam time series dengan interpolasi.

Input

Time series: Time series as output by As Timeseries widget.

Output

Time series: The input time series with the chosen default interpolation method for when the algorithms require interpolated time series (without missing values).
Interpolated time series: The input time series with any missing values interpolated according to the chosen interpolation method.

Sebagian besar algoritma Time Series mengasumsikan, kita tidak memiliki nilai yang hilang dalam data kita. Dalam widget ini, kita dapat memilih metode interpolasi untuk mengira-ngira nilai yang hilang. Secara default, widget Interpolate akan menggunakan interpolasi linier (cepat dan masuk akal).

Interpolate-stamped.png
  • Tipe Interpolasi. Kita dapat memilih salah satu dari linear, cubic spline, nearest, atau mean interpolation:
    • Linear interpolation mengganti nilai yang hilang dengan linearly-spaced values antara dua data point yang terdekat dan terdefinisi.
    • Spline interpolation melaukan fitting dengan cubic polynomial ke nilai sekitar nilai yang hilang. Oleh karenanya, teknik ini akan sangat lambat sekali tapi akan memberikan hasil terbaik.
    • Nearest interpolation mengganti nilai yang hilang dengan nilai yang sebelumnya terdefinisi.
    • Mean interpolation mengganti nilai yang hilang dengan nilai rata-rata series.
  • Multi-variate interpolation interpolates the whole series table as a two-dimensional plane instead of as separate single-dimensional series.

Pada Widget Interpolate, nilai yang hilang pada nilai akhir series (awal dan ekor) selalu diinterpolasi menggunakan metode terdekat. Kecuali jika metode interpolasi diatur ke nearest, discrete time series (seperti sequences) selalu dikaitkan dengan mode series (most frequent value).

Contoh

Masukan sebuah time series dengan nilai yang hilang, memperoleh keluaran time series yang di interpolasi.

Interpolate-ex1.png


Referensi

Pranala Menarik