Difference between revisions of "Orange: Self-Organizing Map"
Onnowpurbo (talk | contribs) |
Onnowpurbo (talk | contribs) (→Contoh) |
||
| (8 intermediate revisions by the same user not shown) | |||
| Line 3: | Line 3: | ||
| − | + | Widget Self-Organizing Map melakukan komputasi dari self-organizing map. | |
==Input== | ==Input== | ||
| Line 14: | Line 14: | ||
Data: data with an additional column showing whether a point is selected | Data: data with an additional column showing whether a point is selected | ||
| − | Self- | + | Widget Self-Organizing Map (SOM) adalah jenis dari artificial neural network (ANN) yang di train menggunakan unsupervised learning untuk menghasilkan representasi dua-dimensi, men-discretized dari data. Ini adalah metoda untuk melakukan reduksi dimensi. Widget Self-Organizing Map menggunakan neighborhood function untuk menjaga property topological yang ada di input space. |
| − | + | Pada widget Self-Organizing Map (SOM), titik-titik di grid mewakili contoh data. Secara default, ukuran titik sesuai dengan jumlah instance yang ditunjukkan oleh titik. Poin-poin diwarnai oleh majority class (jika tersedia), sedangkan intensitas warna interior menunjukkan proporsi majority class. Untuk melihat class distribution, pilih opsi Show pie charts option. | |
| − | + | Sama seperti widget visualisasi lainnya, widget Self-Organizing Map juga mendukung pemilihan grup secara interaktif. Gunakan tombol Shift untuk memilih grup baru dan Ctr + Shift untuk menambahkan ke grup yang ada. | |
| − | [[File:Self-Organizing Map-stamped.png|center| | + | [[File:Self-Organizing Map-stamped.png|center|600px|thumb]] |
* SOM properties: | * SOM properties: | ||
| Line 33: | Line 33: | ||
==Contoh== | ==Contoh== | ||
| − | Self- | + | Widget Self-Organizing Map adalah proyeksi dimensi rendah dari data input. Kita akan menggunakan brown-selected data dan menampilkan instance data dalam proyeksi 2-D. Dalam contoh di bawah ini, sepertinya ketiga jenis gen terpisah dengan baik. Kita dapat memilih subset dari grid dan menampilkannya di widget Data Table. |
| − | |||
| − | |||
| + | [[File:Self-Organizing Map Example.png|center|600px|thumb]] | ||
==Referensi== | ==Referensi== | ||
Latest revision as of 06:18, 16 April 2020
Sumber: https://docs.biolab.si//3/visual-programming/widgets/unsupervised/selforganizingmap.html
Widget Self-Organizing Map melakukan komputasi dari self-organizing map.
Input
Data: input dataset
Output
Selected Data: instances selected from the plot Data: data with an additional column showing whether a point is selected
Widget Self-Organizing Map (SOM) adalah jenis dari artificial neural network (ANN) yang di train menggunakan unsupervised learning untuk menghasilkan representasi dua-dimensi, men-discretized dari data. Ini adalah metoda untuk melakukan reduksi dimensi. Widget Self-Organizing Map menggunakan neighborhood function untuk menjaga property topological yang ada di input space.
Pada widget Self-Organizing Map (SOM), titik-titik di grid mewakili contoh data. Secara default, ukuran titik sesuai dengan jumlah instance yang ditunjukkan oleh titik. Poin-poin diwarnai oleh majority class (jika tersedia), sedangkan intensitas warna interior menunjukkan proporsi majority class. Untuk melihat class distribution, pilih opsi Show pie charts option.
Sama seperti widget visualisasi lainnya, widget Self-Organizing Map juga mendukung pemilihan grup secara interaktif. Gunakan tombol Shift untuk memilih grup baru dan Ctr + Shift untuk menambahkan ke grup yang ada.
- SOM properties:
- Set the grid type. Options are hexagonal or square grid.
- If Set dimensions automatically is checked, the size of the plot will be set automatically. Alternatively, set the size manually.
- Set the initialization type for the SOM projection. Options are PCA initialization, random initialization and replicable random (random_seed = 0).
- Once the parameters are set, press Start to re-run the optimization.
- Set the color of the instances in the plot. The widget colors by class by default (if available).
- Show pie charts turns points into pie-charts that show the distributions of the values used for coloring.
- Size by number of instances scales the points according to the number of instances represented by the point.
Contoh
Widget Self-Organizing Map adalah proyeksi dimensi rendah dari data input. Kita akan menggunakan brown-selected data dan menampilkan instance data dalam proyeksi 2-D. Dalam contoh di bawah ini, sepertinya ketiga jenis gen terpisah dengan baik. Kita dapat memilih subset dari grid dan menampilkannya di widget Data Table.
