propriétés a priori

Icône de noeud Apriori Le nœud Apriori extrait un ensemble de règles des données, en extrayant les règles ayant le contenu d'information le plus élevé. Le noeud Apriori fournit cinq méthodes de sélection de règles et utilise un modèle d'indexation sophistiqué pour traiter efficacement les volumes de données importants. Pour les problèmes importants, l'apprentissage du noeud Apriori est généralement plus rapide ; il n'existe aucune limite quant au nombre de règles pouvant être conservées et il peut prendre en charge des règles faisant l'objet de 32 pré-conditions. Apriori exige que les champs d'entrée et de sortie soient tous catégoriques, mais offre de meilleures performances car il est optimisé pour ce type de données.

Exemple

node = stream.create("apriori", "My node")
# "Fields" tab
node.setPropertyValue("custom_fields", True)
node.setPropertyValue("partition", "Test")
# For non-transactional
node.setPropertyValue("use_transactional_data", False)
node.setPropertyValue("consequents", ["Age"])
node.setPropertyValue("antecedents", ["BP", "Cholesterol", "Drug"])
# For transactional
node.setPropertyValue("use_transactional_data", True)
node.setPropertyValue("id_field", "Age")
node.setPropertyValue("contiguous", True)
node.setPropertyValue("content_field", "Drug")
# "Model" tab
node.setPropertyValue("use_model_name", False)
node.setPropertyValue("model_name", "Apriori_bp_choles_drug")
node.setPropertyValue("min_supp", 7.0)
node.setPropertyValue("min_conf", 30.0)
node.setPropertyValue("max_antecedents", 7)
node.setPropertyValue("true_flags", False)
node.setPropertyValue("optimize", "Memory")
# "Expert" tab
node.setPropertyValue("mode", "Expert")
node.setPropertyValue("evaluation", "ConfidenceRatio")
node.setPropertyValue("lower_bound", 7)

Tableau 1. propriétés apriorinode
`apriorinode` Propriétés	Valeurs	Description de la propriété
`consequents`	zone	Les modèles Apriori utilisent les champs Conséquents et Antécédents à la place des champs cible et entrée standard. Les champs de pondération et de fréquence ne sont pas utilisés. Pour plus d'informations, voir Propriétés communes des noeuds de modélisation .
`antecedents`	[field1 ... fieldN]
`min_supp`	numéro aujourd'hui
`min_conf`	numéro aujourd'hui
`max_antecedents`	numéro aujourd'hui
`true_flags`	option
`optimize`	`Speed` `Memory`
`use_transactional_data`	option
`contiguous`	option
`id_field`	chaîne
`content_field`	chaîne
`mode`	`Simple` `Expert`
`evaluation`	`RuleConfidence` `DifferenceToPrior` `ConfidenceRatio` `InformationDifference` `NormalizedChiSquare`
`lower_bound`	numéro aujourd'hui
`optimize`	`Speed` `Memory`	Utilisez pour spécifier si la construction du modèle doit être optimisée pour la vitesse ou pour la mémoire.
`rules_without_antececents`	booléen	Sélectionnez cette option pour autoriser les règles qui incluent uniquement le conséquent (élément ou ensemble d'éléments). Cela est utile lorsque vous souhaitez déterminer des éléments communs ou des ensembles d'éléments. Par exemple, `cannedveg` est une règle à élément unique sans antécédent qui indique l'achat d' `cannedveg` s est un événement courant dans les données.