propriétés du nœud autonumérique

Icône Noeud Numérisation automatique Le nœud Auto Numeric estime et compare les modèles pour des résultats de plage numérique continue en utilisant un certain nombre de méthodes différentes. Le nœud fonctionne de la même manière que le nœud Auto Classifier, vous permettant de choisir les algorithmes à utiliser et d'expérimenter plusieurs combinaisons d'options en une seule passe de modélisation. Les algorithmes pris en charge comprennent les réseaux neuronaux, l'arbre C&R, CHAID, la régression linéaire, la régression linéaire généralisée et les machines à vecteurs de support (SVM). Les modèles peuvent être comparés en fonction de la corrélation, de l'erreur relative ou du nombre de variables utilisées.

Exemple

node = stream.create("autonumeric", "My node")
node.setPropertyValue("ranking_measure", "Correlation")
node.setPropertyValue("ranking_dataset", "Training")
node.setPropertyValue("enable_correlation_limit", True)
node.setPropertyValue("correlation_limit", 0.8)
node.setPropertyValue("calculate_variable_importance", True)
node.setPropertyValue("neuralnetwork", True)
node.setPropertyValue("chaid", False)

Tableau 1. propriétés de autonumericnode
`autonumericnode` Propriétés	Valeurs	Description de la propriété
`custom_fields`	option	Si la valeur est True, les paramètres des champs personnalisés seront utilisés à la place des paramètres des nœuds de type.
`target`	zone	Le nœud Auto Numeric nécessite une seule cible et un ou plusieurs champs de saisie. Des champs de poids et de fréquence peuvent également être spécifiés. Pour plus d'informations, voir Propriétés communes des noeuds de modélisation .
`inputs`	[field1 … field2]
`partition`	zone
`use_frequency`	option
`frequency_field`	zone
`use_weight`	option
`weight_field`	zone
`use_partitioned_data`	option	Si un champ de partition est défini, seules les données d'apprentissage sont utilisées pour la construction du modèle.
`ranking_measure`	`Correlation` `NumberOfFields`
`ranking_dataset`	`Test` `Training`
`number_of_models`	entier	Nombre de modèles à inclure dans le modèle nugget. Indiquez un nombre entier compris entre 1 et 100.
`calculate_variable_importance`	option
`enable_correlation_limit`	option
`correlation_limit`	entier
`enable_number_of_fields_limit`	option
`number_of_fields_limit`	entier
`enable_relative_error_limit`	option
`relative_error_limit`	entier
`enable_model_build_time_limit`	option
`model_build_time_limit`	entier
`enable_stop_after_time_limit`	option
`stop_after_time_limit`	entier
`stop_if_valid_model`	option
`<algorithm>`	option	Active ou désactive l'utilisation d'un algorithme spécifique.
`<algorithm>.<property>`	chaîne	Définit une valeur de propriété pour un algorithme spécifique. Pour plus d'informations, voir Définition des propriétés d'algorithme .
`use_cross_validation`	booléen	Au lieu d'utiliser une partition unique, une partition de validation croisée est utilisée.
`number_of_folds`	entier	Paramètre N fold pour la validation croisée, avec une plage de 3 à 10.
`set_random_seed`	booléen	La définition d'une graine aléatoire permet de répliquer les analyses. Spécifiez un entier ou cliquez sur Générer, ce qui créera un entier pseudo-aléatoire compris entre 1 et 2147483647, inclus. Par défaut, les analyses sont répliquées avec la graine 229176228.
`random_seed`	entier	Valeur aléatoire de départ
`filter_individual_model_output`	booléen	Supprime de la sortie tous les champs supplémentaires générés par les modèles individuels qui alimentent le nœud Ensemble. Sélectionnez cette option si vous souhaitez uniquement le score combiné de tous les modèles d'entrée. Veillez à désélectionner cette option si, par exemple, vous souhaitez utiliser un nœud Analyse ou Évaluation pour comparer la précision du score combiné avec celle de chacun des modèles d'entrée individuels.
`calculate_standard_error`	booléen	Pour une cible continue (plage numérique), un calcul d'erreur standard est effectué par défaut pour calculer la différence entre les valeurs mesurées ou estimées et les valeurs réelles, et pour montrer à quel point ces estimations se rapprochent.