Passa al contenuto principale

Orange 3 e previsioni


Visualizza le previsioni del modello sui dati.
ingressi
  • Dati: file di dati di input
  • Predittori: predittori da utilizzare nei dati
uscite
  • Previsioni: dati con previsioni aggiunte
  • Risultati della valutazione: risultati del test degli algoritmi di classificazione
Il widget riceve un set di dati e uno o più predittori (modelli predittivi, non algoritmi di apprendimento - vedere l'esempio seguente). Crea dati e previsioni.

  1. Immettere le informazioni, ovvero il numero di casi da prevedere, il numero di predittori e l'attività (classificazione o regressione). Se la tabella dei dati è stata ordinata per attributo e si desidera vedere la vista originale, premere Ripristina l'ordine originale .
  2. È possibile selezionare le opzioni per la classificazione. se classe di stima è selezionato, la vista fornisce informazioni sulla classe prevista. se è controllato Probabilità previste per , la vista fornisce informazioni sulle probabilità previste dai classificatori. È inoltre possibile selezionare la classe prevista visualizzata nella vista. elezione Disegna barre di distribuzione fornisce una visualizzazione delle probabilità.
  3. Seleziona la casella Visualizza il set di dati completo è possibile visualizzare l'intera tabella di dati (altrimenti viene visualizzata solo la variabile di classe).
  4. Seleziona l'uscita desiderata.
  5. Previsioni.
Il widget mostra le probabilità e le decisioni finali modelli predittivi . L'output del widget è un altro set di dati in cui le previsioni vengono aggiunte come nuovi meta attributi. Puoi scegliere quali funzioni vuoi produrre (dati originali, previsioni, probabilità). Il risultato può essere visto in tabella dei dati . Se i dati previsti contengono valori di classe reali, è possibile visualizzare anche il risultato della previsione Matrice di confusione .

Esempi

Nel primo esempio useremo data Attrito - Train z widget di Dataset . Questi sono dati sull'usura dei dipendenti. In altre parole, vogliamo sapere se un dipendente si dimette o meno. Costruiremo un modello predittivo con widget di Corrente e osserviamo le probabilità in previsione .
Per le previsioni abbiamo bisogno di entrambi i dati di allenamento che abbiamo caricato nel primo widget di Dataset, quindi i dati che prevederanno quali verranno caricati nel prossimo widget di Dataset . Questa volta useremo Previsione dell'attrito dati. Collegare il secondo set di dati a previsioni . Ora vediamo previsioni per tre istanze di dati dalla seconda serie di dati.
Modello Albero prevede che nessuno dei dipendenti lascerà l'azienda. Puoi provare un altro modello per vedere se le previsioni cambiano. Oppure prova prima il punteggio predittivo widget di Prova e segna .


Nel secondo esempio, vedremo come usarlo correttamente pre-processo s previsioni o prova e punteggio .
Questa volta usiamo data cardiopatia z widget di Compila il . Utilizza il menu a discesa per accedere ai tuoi dati. Questo è un set di dati con 303 pazienti che sono venuti dal medico e hanno avuto dolore al petto. Dopo il test, alcuni pazienti hanno riscontrato un restringimento della media e altri no (questa è la nostra variabile di classe).
I dati sulle malattie cardiache hanno alcuni valori mancanti e dovremmo essere responsabili. Innanzitutto dividiamo il file di dati in treno e testiamo i dati usando Campionatore di dati .
Quindi invieremo modello di dati do preprocess . Lo faremo Valori di valori mancanti imputati , ma puoi provare qualsiasi combinazione di preprocessori sui tuoi dati. preliminarmente trasformati i dati saranno inviati a Regressione logistica e creato il modello in previsioni .
E, infine, previsioni hanno anche bisogno di dati per prevedere. produzione Campionatore di dati useremo per la previsione, ma non questa volta Esempio di dati , Di Dati rimanenti , si tratta di dati non utilizzati per l'addestramento dei modelli.
Nota come inviamo i dati rimanenti direttamente a previsioni senza dovere eseguire pre-elaborazione. Questo perché Orange elabora internamente la preelaborazione di nuovi dati per evitare errori di progettazione del modello. Lo stesso preprocessore utilizzato nei dati di allenamento verrà utilizzato per le previsioni. La stessa procedura si applica a: prova e punteggio .


Komentáře

Post popolari di questo blog

Rokytnice nad Jizerou, Lysa hora

Rokytnice nad Jizerou (in tedesco Rochlitz an der Iser) è una città e una località montana dei Monti dei Giganti occidentali. Si trova nella regione di Liberec, nel distretto di Semily, nella valle allungata del ruscello Huťský tra i massicci di Stráž (782 m), Čertova hora (1022 m) e Lysá hora (1344 m) e lungo la riva sinistra (orientale) del fiume Jizera. Ci vivono circa 2 abitanti.

Monti dei Giganti, Monti Jizera, Paradiso Boemo

Cari visitatori del server PetrPikora.com, le pagine dedicate ai Monti dei Giganti, ai Monti Jizera e al Paradiso Boemo sono ora disponibili sul nuovo dominio ceco PetrPikora.cz, grazie. Per un periodo di tempo limitato, i post più vecchi saranno disponibili su entrambi i domini contemporaneamente.

Calcolatrice semplice con codice Python

Questo semplice programma Python chiede all'utente di selezionare l'operazione desiderata. Le opzioni di selezione 1, 2, 3 e 4 sono valide. Vengono selezionati due numeri se ... elif ... else e la ramificazione viene utilizzata per eseguire una sezione specifica del programma. Le funzioni add (), subtract (), multiply () e divide () definite dall'utente eseguono le operazioni appropriate.
# Questa funzione aggiunge due numeri def add (x, y): return x + y # Questa funzione sottrae due numeri def subtract (x, y): return x - y # Questa funzione moltiplica due numeridef moltiplica ( x, y): return x * y # Questa funzione divide due numeridef divide (x, y): return x / y print ("Seleziona operazione.") print ("1.Add") print ("2.Subtract") stampa ("3.Multiply")