Table KNIME Random Sample (etapa)

Descrição

A etapa Table: KNIME Random Sample faz o sorteio aleatório de um nó do KNIME com o gerador de números aleatórios que o KNIME usa, de modo que um nó com semente sorteia as mesmas linhas ou os mesmos valores no PlaidCloud e no KNIME. Os fluxos de trabalho do KNIME migrados usam esta etapa para Row Sampler, Table Partitioner, Equal Size Sampling, Bootstrap Sampling, Shuffle, X-Partitioner e os nós de geração de dados aleatórios.

O sorteio lê a tabela de origem para o fluxo de trabalho, então aceita uma tabela de no máximo 10.000.000 de linhas; uma tabela maior faz a etapa falhar.

O formulário da etapa tem uma seção Tabelas para as tabelas de origem e de saída, uma seção Sorteio para o Método, a Semente e o tamanho da amostra, e uma seção Colunas para as colunas lidas e gravadas.

Configuração

• source e target_frame — a tabela a ser lida e a tabela a ser gravada.
• position_column — a coluna com a posição de cada linha, começando em 0. O padrão é _knime_pos.
• method — o sorteio:
  • random, stratified, equal_exact e equal_approximate mantêm as posições das linhas que um sorteio de Row Sampler, Table Partitioner ou Equal Size Sampling seleciona. class_column e class_dtype nomeiam a coluna de classe de um sorteio estratificado ou de tamanho igual.
  • Todos os outros métodos gravam o sorteio ao lado das posições das linhas: uniform, gaussian, gamma, beta, label, label_dependent, label_from_table, boolean, mersenne_twister, sobol e halton (geração de dados aleatórios), shuffle, bootstrap, match (Random Matcher), item_insert (Random Item Inserter), stress (Stresser), sample_data (Sample Data Generator, sem tabela de origem), kfold (partições do X-Partitioner), p_square (estimativas de percentil P² por grupo), set_bits (vetores de bits), equal_count_edges (os limites de contagem igual do Binner) e border_texts (os textos de limite do Auto-Binner).
• seed — a semente do fluxo aleatório. Vazia, sorteia a partir do relógio, como o KNIME faz sem semente, de modo que as linhas mudam a cada execução.
• count, percentage e relative — quantas linhas sortear: uma contagem ou, com relative, uma porcentagem. count_column toma a contagem de uma coluna de origem, para uma contagem conhecida somente quando o fluxo de trabalho é executado.
• parameters — as configurações do nó que os métodos de sorteio leem, como a distribuição de um sorteio gaussian ou o número de partições de um sorteio kfold.
• source_columns e target_columns — para os métodos de sorteio, as colunas lidas e as colunas gravadas, com a coluna de posição primeiro.
• source_b e source_columns_b — uma segunda entrada, como a tabela de categorias de label_from_table ou a tabela da qual match sorteia. target_frame_b e target_columns_b recebem os centros dos clusters de sample_data.

Relacionados

• Table Extract (etapa)
• Matriz de conversão do KNIME