加载数据

橙现智能拥有自己的数据格式，也可以处理Excel，逗号或制表符分隔的数据文件。

输入数据集通常是一个表，行中有数据实例（样本），列中有数据属性。属性可以具有不同的类型（数字，分类，日期时间和文本），并具有分配的角色（特征，元属性和类）。可以在数据表表头设置数据类型和角色，也可以在文件(File)小部件中进行更改，数据角色也可以通过选择列(Select Columns)小组件进行修改。

简介

  • 橙现智能可以导入任何用逗号或制表符分隔的数据文件，Excel文件或网址。使用文件(File)小部件来加载数据，并在需要时定义类和元属性。
  • 为了指定数据属性，列标题中的名称可以写作 “类型#标签名”形式。c 代表类别， m 代表元属性，i 代表忽略列，C，D，S 分别代表连续，离散和字符串属性类型。例如：C#mph，mS#name，i#dummy。
  • 橙现智能的原始格式是制表符分隔的数据文件，该文件含三行标题。 第一行包含属性名称，第二行包含属性类型（continuous(连续)，discrete(离散)或string(字符串)），第三行可选（class，meta或time）。

Excel 数据

该文件包含一个标题行，八个数据实例（行）和七个数据属性（列）。表中的空白单元格表示缺少数据条目。行代表基因；第一列提供了它们的功能（类），第二列提供了它们的名称。其余列存储表征每个基因的测量值。有了这些数据，可以说，我们可以开发出一个分类器，通过它的特征测量来预测基因功能。

让我们从一个简单的工作流程开始，该工作流程读取数据并将其显示在表中：

要加载数据，请打开 文件(File) 小部件（双击小部件的图标），单击文件浏览器图标(“…”) ，然后在磁盘上找到下载的文件（sample.xlsx）：

文件小部件：设置属性类型和角色

文件(File) 的数据发送到数据表。双击 数据表(Data Table) 以查看其内容：

橙现智能正确地推断具有基因名称的列为元信息，该列在 数据表(Data Table) 中以浅棕色阴影显示。但是 橙现智能没有正确推断出 function（第一个非元属性列）是类别数据。要在橙现智能中纠正此问题，我们可以在 文件(File) 小部件的列显示中调整属性角色（如下所示）。双击功能行中的功能标签，然后选择目标。这会将功能属性设置为我们的目标（类）变量。

您还可以将属性类型从从字符串更改为日期时间，依此类推。日期时间仅接受ISO 8601格式的值，例如2016-01-01 16:16:01。如果属性具有多个不同的值，橙现智能也将假定该属性是数字的，否则它将被视为分类数据。所有其他类型均视为字符串，因此会自动归类为元属性。 属性角色和类型的更改应通过单击 应用 按钮来确认。

选择列：设置属性角色

设置数据角色的另一种方法是将数据发送到选择列(Select Columns)小部件：

打开 “选择列(Select Columns)” 将显示橙现智能的属性分类。我们希望所有的连续属性成为数据特征，function 作为目标变量，而 gene 被视为元属性。我们可以通过在 “选择列(Select Columns)” 中拖动属性名称来设置这些信息：

要正确地重新分配属性类型，function 拖动到“目标”，gene 拖动到元属性。如下所示：

应通过单击“应用”按钮来确认属性类型的更改。来自此小部件的数据传送到数据表(Data Table)中，该表现在按照我们期望的方式呈现数据：

我们还可以通过其他方式为此数据集定义域。比如我们可以使数据集进行回归，并使用 heat 0 作为连续目标变量，保留function和gene作为元变量，并从数据集中删除heat 10和heat 20：

通过如上所述设置属性，在数据表(Data Table)小部件中呈现数据为：

头与属性类型信息

再次考虑刚才的 sample.xlsx 数据集。这次，我们将使用定义属性类型（连续，离散，时间，字符串）和角色（类或元属性）的前缀来扩展属性名称。前缀与属性名称以 “＃” 分隔。属性角色的前缀为：

  • c：类属性
  • m：元属性
  • i：忽略属性
  • w：实例权重 和类型：
  • C：连续
  • D：离散
  • T：时间
  • S：字符串 这是带有扩展属性名称的表在Excel（sample-head.xlsx）中的样子：

我们可以再次使用“文件（File）”小部件来加载此数据集，然后将其呈现在“数据表（Data Table）”中：

注意，我们忽略的属性（属性名称中的标签“ i”）不存在于数据集中。

三行标题格式

橙现智能的原生数据格式是带有三行表头的制表符分隔的文本文件。第一行列出属性名称，第二行定义它们的类型：continuous, discrete, time 和 string（连续，离散，时间和字符串），或缩写为c，d，t和s，第三行定义了可选角色（类，元，权重或忽视）。比如:

Google表格中的数据

橙现智能可以从Google表格中读取数据，只要它符合我们上面介绍的数据表示规则即可。在Google表格中，复制可共享链接（“共享”按钮，然后获取“可共享链接”）并将其粘贴到“文件”小部件的“ 数据文件/ URL”框中。尝试一下，可以使用以下这样的链接：http : //bit.ly/1J12Tdp，以及我们在“ 文件”小部件中输入它的方式：

来自LibreOffice的数据

如果你使用的是LibreOffice，只需将文件保存为Excel（.xlsx）格式（可从“ 另存为类型”下的下拉菜单中获得）。

DateTime格式

为避免歧义，橙现智能支持以ISO 8601格式之一格式的日期和/或时间。例如，以下值均有效： 2016 2016-12-27 2016-12-27 14:20:51 16:20

反馈问题

文档有问题? 或者有其他意见和建议? 请在本文档的 Github 仓库直接反馈

点我反馈

进入反馈页面不知道如何反馈, 请点击这里

更新时间: