Difference between revisions of "Orange: Venn Diagram"

Latest revision as of 09:35, 18 March 2020

Sumber: https://docs.biolab.si//3/visual-programming/widgets/visualize/venndiagram.html

Widget Venn Diagram dapat mem-plot diagram Venn untuk dua atau lebih data subset.

Input

Data: input dataset

Output

Selected Data: instances selected from the plot
Data: entire data with a column indicating whether an instance was selected or not

Widget Venn Diagram menampilkan hubungan logis antara dataset dengan menunjukkan jumlah instance common data (baris) atau jumlah shared featured (kolom). Memilih bagian dari visualisasi akan menghasilkan instance atau feature yang sesuai.

Select whether to count common features or instances.
Select whether to include duplicates or to output only unique rows (applicable only when matching by instances).
If Auto commit is on, changes are automatically communicated to other widgets.

Baris dapat dicocokkan dengan identitas mereka, mis. baris dari data set yang berbeda cocok jika mereka berasal dari baris yang sama dalam file. Daripada menggunakan identitas, kita dapat memilih variabel string yang cocok dengan baris. Peringatan ditampilkan jika kumpulan data tidak memiliki variabel string yang sama.

Contoh

Cara termudah untuk menggunakan Widget Diagram Venn adalah memilih subset data dan menemukan contoh yang cocok dalam visualisasi. Kita menggunakan breast-cancer dataset untuk memilih dua himpunan bagian dengan Select Rows widget - subset pertama adalah pasien kanker payudara berusia antara 40 dan 49 tahun dan yang kedua adalah pasien dengan ukuran tumor antara 20 dan 29. Diagram Venn membantu kita menemukan contoh yang sesuai dengan kedua kriteria, yang dapat ditemukan di persimpangan dua lingkaran.

Widget Venn Diagram juga dapat digunakan untuk menjelajahi berbagai model prediksi. Dalam contoh berikut, kita menganalisis 3 metode prediksi, yaitu Naive Bayes, SVM dan Random Forest, sesuai dengan kesalahan klasifikasi mereka pada instance data.

Dengan memilih misclassification dalam tiga widget Confusion Matrix dan mengirimkannya ke widget Venn Diagram, kita dapat melihat semua contoh kesalahan klasifikasi divisualisasikan per metode yang digunakan. Kemudian kami membuka widget Venn Diagram dan memilih, misalnya, contoh misclassified instance yang diidentifikasi oleh ketiga metode. Ini direpresentasikan sebagai persimpangan dari ketiga lingkaran. Klik pada persimpangan untuk melihat dua contoh ini ditandai dalam widget Scatter Plot. Coba pilih bagian diagram yang berbeda untuk melihat bagaimana perubahan visualisasi scatter plot.

Referensi

https://docs.biolab.si//3/visual-programming/widgets/visualize/venndiagram.html

Pranala Menarik

Orange

@@ Line 2: / Line 2: @@
+Widget Venn Diagram dapat mem-plot diagram Venn untuk dua atau lebih data subset.
-Plots a Venn diagram for two or more data subsets.
+==Input==
-Inputs
+ Data: input dataset
-    Data: input dataset
+==Output==
-Outputs
+ Selected Data: instances selected from the plot
+ Data: entire data with a column indicating whether an instance was selected or not
-    Selected Data: instances selected from the plot
+Widget Venn Diagram menampilkan hubungan logis antara dataset dengan menunjukkan jumlah instance common data (baris) atau jumlah shared featured (kolom). Memilih bagian dari visualisasi akan menghasilkan instance atau feature yang sesuai.
-    Data: entire data with a column indicating whether an instance was selected or not
+[[File:Venn-workflow.png.jpeg|center|200px|thumb]]
-The Venn Diagram widget displays logical relations between datasets by showing the number of common data instances (rows) or the number of shared features (columns). Selecting a part of the visualization outputs the corresponding instances or features.
+[[File:VennDiagram-stamped.png|center|200px|thumb]]
-../../_images/venn-workflow.png
+* Select whether to count common features or instances.
+* Select whether to include duplicates or to output only unique rows (applicable only when matching by instances).
+* If Auto commit is on, changes are automatically communicated to other widgets.
-../../_images/VennDiagram-stamped.png
+Baris dapat dicocokkan dengan identitas mereka, mis. baris dari data set yang berbeda cocok jika mereka berasal dari baris yang sama dalam file. Daripada menggunakan identitas, kita dapat memilih variabel string yang cocok dengan baris. Peringatan ditampilkan jika kumpulan data tidak memiliki variabel string yang sama.
-    Select whether to count common features or instances.
+==Contoh==
-    Select whether to include duplicates or to output only unique rows (applicable only when matching by instances). If Auto commit is on, changes are automatically communicated to other widgets.
+Cara termudah untuk menggunakan Widget Diagram Venn adalah memilih subset data dan menemukan contoh yang cocok dalam visualisasi. Kita menggunakan breast-cancer dataset untuk memilih dua himpunan bagian dengan Select Rows widget - subset pertama adalah pasien kanker payudara berusia antara 40 dan 49 tahun dan yang kedua adalah pasien dengan ukuran tumor antara 20 dan 29. Diagram Venn membantu kita menemukan contoh yang sesuai dengan kedua kriteria, yang dapat ditemukan di persimpangan dua lingkaran.
-Rows can be matched by their identity, e.g. rows from different data sets match if they came from the same row in a file. Instead of using identities, we can choose a string variable to match the rows by. A warning is shown if data sets have no common string variable.
+[[File:VennDiagram-Example1.png|center|200px|thumb]]
-Examples
-The easiest way to use the Venn Diagram is to select data subsets and find matching instances in the visualization. We use the breast-cancer dataset to select two subsets with Select Rows widget - the first subset is that of breast cancer patients aged between 40 and 49 and the second is that of patients with a tumor size between 20 and 29. The Venn Diagram helps us find instances that correspond to both criteria, which can be found in the intersection of the two circles.
+Widget Venn Diagram juga dapat digunakan untuk menjelajahi berbagai model prediksi. Dalam contoh berikut, kita menganalisis 3 metode prediksi, yaitu Naive Bayes, SVM dan Random Forest, sesuai dengan kesalahan klasifikasi mereka pada instance data.
-../../_images/VennDiagram-Example1.png
-The Venn Diagram widget can be also used for exploring different prediction models. In the following example, we analysed 3 prediction methods, namely Naive Bayes, SVM and Random Forest, according to their misclassified instances.
-By selecting misclassifications in the three Confusion Matrix widgets and sending them to Venn diagram, we can see all the misclassification instances visualized per method used. Then we open Venn Diagram and select, for example, the misclassified instances that were identified by all three methods. This is represented as an intersection of all three circles. Click on the intersection to see this two instances marked in the Scatter Plot widget. Try selecting different diagram sections to see how the scatter plot visualization changes.
-../../_images/VennDiagram-Example2.png
+Dengan memilih misclassification dalam tiga widget Confusion Matrix dan mengirimkannya ke widget Venn Diagram, kita dapat melihat semua contoh kesalahan klasifikasi divisualisasikan per metode yang digunakan. Kemudian kami membuka widget Venn Diagram dan memilih, misalnya, contoh misclassified instance yang diidentifikasi oleh ketiga metode. Ini direpresentasikan sebagai persimpangan dari ketiga lingkaran. Klik pada persimpangan untuk melihat dua contoh ini ditandai dalam widget Scatter Plot. Coba pilih bagian diagram yang berbeda untuk melihat bagaimana perubahan visualisasi scatter plot.
+[[File:VennDiagram-Example2.png|center|200px|thumb]]
 ==Referensi==