Passo Table KNIME Random Sample

Descrição

O passo Tabela: KNIME Random Sample efetua o sorteio aleatório de um nó do KNIME com o gerador de números aleatórios que o KNIME utiliza, pelo que um nó com semente sorteia as mesmas linhas ou valores no PlaidCloud e no KNIME. Os fluxos de trabalho do KNIME migrados utilizam este passo para Row Sampler, Table Partitioner, Equal Size Sampling, Bootstrap Sampling, Shuffle, X-Partitioner e os nós de geração aleatória de dados.

O sorteio lê a tabela de origem para o fluxo de trabalho, pelo que aceita uma tabela com, no máximo, 10 000 000 de linhas; uma tabela maior faz o passo falhar.

O formulário do passo tem uma secção Tabelas para as tabelas de origem e de saída, uma secção Sorteio para o Método, a Semente e a dimensão da amostra, e uma secção Colunas para as colunas lidas e escritas.

Configuração

• source e target_frame — a tabela a ler e a tabela a escrever.
• position_column — a coluna que contém a posição de cada linha, a partir de 0. A predefinição 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 indicam a coluna de classe de um sorteio estratificado ou de dimensão igual.
  • Todos os outros métodos escrevem 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 aleatória de dados), 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 percentis 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. Se estiver vazia, usa o relógio, como o KNIME sem semente, pelo que as linhas variam de execução para execução.
• count, percentage e relative — quantas linhas sortear: uma contagem ou, com relative, uma percentagem. count_column obtém a contagem de uma coluna de origem, para uma contagem conhecida apenas quando o fluxo de trabalho é executado.
• parameters — as definições 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 escritas, com a coluna de posição em primeiro lugar.
• source_b e source_columns_b — uma segunda entrada, como a tabela de categorias de label_from_table ou a tabela de onde match sorteia. target_frame_b e target_columns_b recebem os centros de agrupamento de sample_data.

Relacionado

• Table Extract
• Matriz de conversão do KNIME