Ga naar hoofdinhoud

Oranje 3 & Voorspellingen


Geeft modelvoorspellingen weer op gegevens.
input
  • Gegevens: invoergegevensbestand
  • Voorspellers: voorspellers voor gebruik in gegevens
uitgangen
  • Voorspellingen: gegevens met toegevoegde voorspellingen
  • Evaluatieresultaten: resultaten van het testen van classificatiealgoritmen
De widget ontvangt een dataset en een of meer voorspellers (voorspellende modellen, geen leeralgoritmen - zie onderstaand voorbeeld). Creëert gegevens en voorspellingen.

  1. Voer informatie in, namelijk het aantal te voorspellen gevallen, het aantal voorspellers en de taak (classificatie of regressie). Als u de gegevenstabel op kenmerk hebt gesorteerd en de oorspronkelijke weergave wilt zien, drukt u op Oorspronkelijke bestelling herstellen .
  2. U kunt opties voor classificatie selecteren. Als schat klasse is aangevinkt, geeft de weergave informatie over de verwachte klasse. indien is gecontroleerd Voorspelde kansen voor geeft de weergave informatie over de door classificatoren voorspelde kansen. U kunt ook de voorspelde klasse selecteren die in de weergave wordt weergegeven. Keuze Teken distributiestaven geeft een visualisatie van kansen.
  3. Vink het vakje aan Bekijk de volledige dataset u kunt de volledige gegevenstabel bekijken (anders wordt alleen de klassevariabele weergegeven).
  4. Selecteer de gewenste output.
  5. Voorspellingen.
Widget toont kansen en definitieve beslissingen voorspellende modellen . De widget-uitvoer is een andere dataset waarin voorspellingen worden toegevoegd als nieuwe meta-attributen. U kunt kiezen welke functies u wilt uitvoeren (originele gegevens, voorspellingen, waarschijnlijkheden). Het resultaat is te zien in gegevenstabel . Als de voorspelde gegevens echte klassenwaarden bevatten, is het voorspellingsresultaat ook te zien in Verwarring Matrix .

Voorbeelden

In het eerste voorbeeld zullen we gebruiken datum Attrition - Train z widget datasets . Dit zijn gegevens over de slijtage van medewerkers. Met andere woorden, we willen weten of een werknemer ontslag neemt of niet. We gaan een voorspellend model bouwen widget Stroom en we zien waarschijnlijkheden in Voorspellingen .
Voor voorspellingen hebben we zowel de trainingsgegevens nodig die we in de eerste hebben geladen widget Datasets, dus de gegevens die zullen voorspellen welke we in de volgende zullen laden widget datasets . Deze keer we zullen gebruiken Attrition Predict data. Koppel de tweede set gegevens aan voorspellingen . We zien nu voorspellingen voor drie gegevensinstanties uit de tweede set gegevens.
Model Boom voorspelt dat geen van de werknemers het bedrijf zal verlaten. Je kunt een ander model proberen om te zien of de voorspellingen veranderen. Of test eerst de voorspellende score widget Test en scoor .


In het tweede voorbeeld zullen we zien hoe het correct te gebruiken voorbewerking s voorspellingen of testen en scoren .
Deze keer gebruiken we datum hartziekte. tab z widget Dien in . Gebruik het vervolgkeuzemenu om toegang te krijgen tot uw gegevens. Dit is een dataset met 303 patiënten die naar de dokter kwamen en pijn op de borst hadden. Na het testen bleken sommige patiënten een kleinere diameter te hebben en anderen niet (dit is onze klassenvariabele).
Gegevens over hartziekten hebben enkele ontbrekende waarden en we moeten verantwoordelijk zijn. Eerst verdelen we het gegevensbestand in trein- en testgegevens met behulp van Gegevensmonster .
Dan zullen we verzenden gegevenspatroon do preprocess . We zullen Breng waarden voor ontbrekende waarden in rekening , maar u kunt elke combinatie van preprocessors op uw gegevens proberen. Voorlopig verwerkt gegevens worden verzonden naar Logistieke regressie en creëerde model in Voorspellingen .
Eindelijk voorspellingen ze hebben ook gegevens nodig om te voorspellen. uitgang Gegevensmonster we zullen gebruiken voor voorspelling, maar deze keer niet Gegevensvoorbeeld de Resterende gegevens , dit zijn gegevens die niet zijn gebruikt voor modeltraining.
Merk op hoe we de resterende gegevens rechtstreeks naar sturen voorspellingen, zonder te hoeven uitvoeren voorbewerking. Dit komt omdat Orange interne voorverwerking van nieuwe gegevens afhandelt om modelontwerpfouten te voorkomen. Dezelfde preprocessor die in de trainingsgegevens wordt gebruikt, wordt gebruikt voor voorspellingen. Dezelfde procedure is van toepassing op: testen en scoren .


Reacties

Populaire berichten van deze blog

Rokytnice nad Jizerou, Lysa hora

Rokytnice nad Jizerou (Rochlitz an der Iser in het Duits) is een stad en bergresort in het westelijke Reuzengebergte. Het is gelegen in de regio Liberec, in het district Semily, in de langwerpige vallei van de beek Huťský tussen de massieven van de Stráž (782 m), Čertova hora (1022 m) en Lysá hora (1344 m) en langs de linker (oostelijke) oever van de rivier de Jizera. Er wonen ongeveer 2 inwoners.

Python code eenvoudige rekenmachine

Dit eenvoudige Python-programma vraagt ​​de gebruiker om de gewenste bewerking te selecteren. Selectieopties 1, 2, 3 en 4 zijn geldig. Twee als ... elif ... anders nummers zijn geselecteerd en vertakking wordt gebruikt om een ​​specifiek gedeelte van het programma uit te voeren. Door de gebruiker gedefinieerde functies add (), subtract (), multiply () en divide () voeren de juiste bewerkingen uit.
# Deze functie voegt twee getallen toe def opt (x, y): return x + y # Deze functie trekt twee getallen af ​​aftrekken (x, y): return x - y # Deze functie vermenigvuldigt twee numbersdef vermenigvuldigt ( x, y): return x * y # Deze functie verdeelt twee getallen def delen (x, y): return x / y print ("Selecteer bewerking.") print ("1.Toevoegen") print ("2.Trek af") afdrukken ("3.Multiply")

Traveler Premium HTML-sjabloon gratis downloaden

Premium HTML-sjabloon Reiziger is een uniek sjabloon voor super gebruiksgemak, niet alleen voor reisbureaus en agentschappen, waarmee beginnende gebruikers ook unieke originele websites kunnen maken voor onmiddellijke implementatie.

Webthema's en sjabloonpagina's worden perfect weergegeven op elk apparaat, inclusief desktops, laptops, tablets en alle soorten smartphones. Ze zijn volledig vriendelijk voor zoek- en indexeringsdiensten die u topposities in zoekresultaten geven.
Het oorspronkelijke idee bij het maken van een origineel ontwerp is het uitdrukken van een bepaalde uniciteit, ongebruikelijkheid van elke toepassing die interessant en nieuw is voor de klant. Een belangrijke factor is hoeveel de specificaties en ideeën van de klant in het begin zijn en hoeveel ruimte er nog is om een ​​volledig originele applicatie of website-ontwerp te ontwerpen.

Mijn bedoeling is om originele software te maken zodat ik me niet hoef te schamen voor mijn werk voor klanten en dat de klant niet meer hoeft uit te geven ...