Ir para o conteúdo principal

Orange 3 e Previsões


Exibe previsões do modelo nos dados.
Entradas
  • Dados: arquivo de dados de entrada
  • Preditores: preditores a serem usados ​​nos dados
Saídas
  • Previsões: dados com previsões adicionadas
  • Resultados da avaliação: resultados de testes de algoritmos de classificação
O widget recebe um conjunto de dados e um ou mais preditores (modelos preditivos, não aprendendo algoritmos - veja o exemplo abaixo). Cria dados e previsões.

  1. Introduza informações, nomeadamente o número de casos a serem previstos, o número de preditores e a tarefa (classificação ou regressão). Se você classificou a tabela de dados por atributo e deseja ver a exibição original, pressione Restaurar pedido original .
  2. Você pode selecionar opções para classificação. Se classe de estimativa estiver marcada, a exibição fornece informações sobre a classe esperada. se está marcado Probabilidades previstas para , a exibição fornece informações sobre as probabilidades previstas pelos classificadores. Você também pode selecionar a classe prevista exibida na exibição. Escolha Desenhar barras de distribuição fornece uma visualização de probabilidades.
  3. Marque a caixa Ver conjunto de dados completo você pode visualizar a tabela de dados inteira (caso contrário, apenas a variável de classe é exibida).
  4. Selecione a saída desejada.
  5. Previsões.
O widget mostra probabilidades e decisões finais modelos preditivos . A saída do widget é outro conjunto de dados em que as previsões são anexadas como novos meta atributos. Você pode escolher quais recursos deseja gerar (dados originais, previsões, probabilidades). O resultado pode ser visto em tabela de dados . Se os dados previstos contiverem valores reais de classe, o resultado da previsão também poderá ser visto em Matriz de Confusão .

Exemplos

No primeiro exemplo, usaremos dados Atrito - Trem z widget Conjuntos de dados . Esses são dados sobre o desgaste dos funcionários. Em outras palavras, queremos saber se um funcionário renuncia ou não. Vamos construir um modelo preditivo com widget Atual e observamos probabilidades em Previsões .
Para previsões, precisamos dos dados de treinamento que carregamos no primeiro widget Conjuntos de dados, então os dados que irão prever quais serão carregados na próxima widget Conjuntos de dados . Desta vez vamos usar Previsão de Atrito dados. Anexe o segundo conjunto de dados para predições . Agora, vemos previsões para três instâncias de dados do segundo conjunto de dados.
Modelo Árvore prevê que nenhum funcionário sairá da empresa. Você pode tentar outro modelo para ver se as previsões mudam. Ou teste a pontuação preditiva primeiro em widget Teste e pontuação .


No segundo exemplo, veremos como usá-lo corretamente pré-processo s predições ou teste e pontuação .
Desta vez usamos dados doença cardíaca. z widget Envie o . Use o menu suspenso para acessar seus dados. Este é um conjunto de dados com 303 pacientes que procuraram o médico e tiveram dor no peito. Após o teste, alguns pacientes tiveram um estreitamento da média e outros não (esta é a nossa variável de classe).
Os dados de doenças cardíacas têm alguns valores ausentes e devemos ser responsáveis. Primeiro, dividimos o arquivo de dados em dados de treinamento e teste usando Data Sampler .
Então vamos enviar padrão de dados do Pré-processar . Nós vamos Valores de imputação de valores ausentes , mas você pode tentar qualquer combinação de pré-processadores nos seus dados. Preliminar processado os dados serão enviados para Regressão logística e criou o modelo para Previsões .
Finalmente, predições eles também precisam de dados para prever. Saída Data Sampler vamos usar para previsão, mas não desta vez Amostra de dados , o Dados restantes , esses são dados que não foram usados ​​para o treinamento do modelo.
Observe como enviamos os dados restantes diretamente para previsões, sem ter que realizar pré-processamento. Isso ocorre porque a Orange processa o pré-processamento de novos dados internamente para evitar erros de design do modelo. O mesmo pré-processador usado nos dados de treinamento será usado para previsões. O mesmo procedimento se aplica a: teste e pontuação .


Komentáře

Publicações populares deste blog

Rokytnice nad Jizerou, Lysa hora

Rokytnice nad Jizerou (em alemão Rochlitz an der Iser) é uma cidade e resort de montanha nas montanhas gigantes do oeste. Está localizado na região de Liberec, no distrito de Semily, no vale alongado do riacho Huťský, entre os maciços de Stráž (782 m), Čertova hora (1022 m) e Lysá hora (1344 m) e ao longo da margem esquerda (leste) do rio Jizera. Existem cerca de 2 habitantes.

Montanhas gigantes, montanhas Jizera, paraíso boêmio

Caros visitantes do servidor PetrPikora.com, páginas dedicadas às Montanhas Gigantes, Montanhas Jizera e Bohemian Paradise agora podem ser encontradas no novo domínio tcheco PetrPikora.czobrigado. Por um tempo limitado, as postagens mais antigas estarão disponíveis nos dois domínios ao mesmo tempo.

Calculadora simples de código Python

Este simples programa Python pede ao usuário para selecionar a operação desejada. As opções de seleção 1, 2, 3 e 4 são válidas. Dois se ... elif ... else números são selecionados e a ramificação é usada para executar uma seção específica do programa. As funções add (), subtrair (), multiplicar () e dividir () definidas pelo usuário executam as operações apropriadas.
# Esta função adiciona dois números def add (x, y): retorna x + y # Esta função subtrai dois números def subtrai (x, y): retorna x - y # Esta função multiplica dois númerosdef multiplica ( x, y): return x * y # Esta função divide dois númerosdefinal de divisão (x, y): retorna x / y print ("Selecionar operação.") print ("1.Add") print ("2.Subtract") print ("3.Multiply")