Orange: Interpolate

From OnnoWiki
Revision as of 15:43, 9 March 2020 by Onnowpurbo (talk | contribs)
(diff) ← Older revision | Latest revision (diff) | Newer revision → (diff)
Jump to navigation Jump to search

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