Difference between revisions of "Orange: Paint Data"
Onnowpurbo (talk | contribs) |
Onnowpurbo (talk | contribs) (→Contoh) |
||
| Line 21: | Line 21: | ||
==Contoh== | ==Contoh== | ||
| − | Dalam contoh di bawah ini, kami telah paint dataset dengan 4 class. Dataset seperti itu bagus untuk mendemonstrasikan metoda k-means and hierarchical clustering. Dalam screenshot, kita melihat bahwa k-Means, secara keseluruhan, mengenali cluster lebih baik daripada Hierarchical Clustering. Ini mengembalikan peringkat skor, di mana skor terbaik (yang dengan nilai tertinggi) berarti jumlah cluster yang paling mungkin. Namun, pengelompokan hierarki tidak mengelompokkan kelas yang tepat bersama. Ini adalah | + | Dalam contoh di bawah ini, kami telah paint dataset dengan 4 class. Dataset seperti itu bagus untuk mendemonstrasikan metoda k-means and hierarchical clustering. Dalam screenshot, kita melihat bahwa k-Means, secara keseluruhan, mengenali cluster lebih baik daripada Hierarchical Clustering. Ini mengembalikan peringkat skor, di mana skor terbaik (yang dengan nilai tertinggi) berarti jumlah cluster yang paling mungkin. Namun, pengelompokan hierarki tidak mengelompokkan kelas yang tepat bersama. Ini adalah tool yang baik untuk belajar dan mengeksplorasi konsep statistik. |
[[File:PaintData-Example.png|center|200px|thumb]] | [[File:PaintData-Example.png|center|200px|thumb]] | ||
| − | |||
| − | |||
| − | |||
| − | |||
==Referensi== | ==Referensi== | ||
Revision as of 13:37, 4 April 2020
Sumber: https://docs.biolab.si//3/visual-programming/widgets/data/paintdata.html
Paints data pada bidang 2D. Anda dapat menempatkan titik data individual atau menggunakan brush untuk paint dataset yang besar.
Output
Data: dataset as painted in the plot
Widget mendukung pembuatan dataset baru dengan menempatkan titik data secara visual pada bidang dua dimensi. Point data dapat ditempatkan di bidang secara individual (Put) atau dalam jumlah yang lebih besar dengan brushing (Brush). Point data dapat menjadi milik class jika data tersebut dimaksudkan untuk digunakan dalam supervised learning.
- Name the axes and select a class to paint data instances. You can add or remove classes. Use only one class to create classless, unsupervised datasets.
- Drawing tools. Paint data points with Brush (multiple data instances) or Put (individual data instance). Select data points with Select and remove them with the Delete/Backspace key. Reposition data points with Jitter (spread) and Magnet (focus). Use Zoom and scroll to zoom in or out. Below, set the radius and intensity for Brush, Put, Jitter and Magnet tools.
- Reset to Input Data.
- Save Image saves the image to your computer in a .svg or .png format.
- Produce a report.
- Tick the box on the left to automatically commit changes to other widgets. Alternatively, press Send to apply them.
Contoh
Dalam contoh di bawah ini, kami telah paint dataset dengan 4 class. Dataset seperti itu bagus untuk mendemonstrasikan metoda k-means and hierarchical clustering. Dalam screenshot, kita melihat bahwa k-Means, secara keseluruhan, mengenali cluster lebih baik daripada Hierarchical Clustering. Ini mengembalikan peringkat skor, di mana skor terbaik (yang dengan nilai tertinggi) berarti jumlah cluster yang paling mungkin. Namun, pengelompokan hierarki tidak mengelompokkan kelas yang tepat bersama. Ini adalah tool yang baik untuk belajar dan mengeksplorasi konsep statistik.
