Difference between revisions of "Orange: Principal Component Analysis"

From OnnoWiki
Jump to navigation Jump to search
(Created page with "Sumber: https://orange.biolab.si/workflows/ PCA mengubah data menjadi dataset dengan variabel tidak berkorelasi, juga disebut principal components. Widget PCA menampilkan g...")
 
 
(3 intermediate revisions by the same user not shown)
Line 2: Line 2:
  
  
PCA mengubah data menjadi dataset dengan variabel tidak berkorelasi, juga disebut  principal components. Widget PCA menampilkan grafik (diagram scree) yang menunjukkan tingkat perbedaan yang dijelaskan oleh best principal components dan memungkinkan untuk secara interaktif mengatur jumlah komponen yang akan dimasukkan dalam dataset keluaran. Dalam workflow ini, kita bisa mengamati transformasi di Tabel Data dan di Scatter Plot.
+
[[Principal Component Analysis (PCA) | PCA]] mengubah data menjadi dataset dengan variabel tidak berkorelasi, juga disebut  principal components. Widget PCA menampilkan grafik (diagram scree) yang menunjukkan tingkat perbedaan yang dijelaskan oleh best principal components dan memungkinkan untuk secara interaktif mengatur jumlah komponen yang akan dimasukkan dalam dataset keluaran. Dalam workflow ini, kita bisa mengamati transformasi di Tabel Data dan di Scatter Plot.
  
  
Line 9: Line 9:
 
==Source==
 
==Source==
  
* https://service.biolab.si/download/workflow?name=305-pca.ows&domain=orange
+
* https://orangedatamining.com/workflows/PCA/
  
 
==Referensi==
 
==Referensi==
  
 +
* YOUTUBE: https://www.youtube.com/watch?v=lX8Eim1a0s4
 
* https://orange.biolab.si/workflows/
 
* https://orange.biolab.si/workflows/
  
Line 18: Line 19:
  
 
* [[Orange]]
 
* [[Orange]]
 +
* [[Principal Component Analysis (PCA)]]

Latest revision as of 09:05, 15 March 2022

Sumber: https://orange.biolab.si/workflows/


PCA mengubah data menjadi dataset dengan variabel tidak berkorelasi, juga disebut principal components. Widget PCA menampilkan grafik (diagram scree) yang menunjukkan tingkat perbedaan yang dijelaskan oleh best principal components dan memungkinkan untuk secara interaktif mengatur jumlah komponen yang akan dimasukkan dalam dataset keluaran. Dalam workflow ini, kita bisa mengamati transformasi di Tabel Data dan di Scatter Plot.


Pca.png

Source

Referensi

Pranala Menarik