proprietà kdemodel

Icona del nodo Modellazione KDEKernel Density Estimation (KDE)© utilizza gli algoritmi Ball Tree o KD Tree per query efficienti e combina i concetti dell'apprendimento non supervisionato, dell'ingegneria delle funzionalità e della modellazione dei dati. Gli approcci basati su elementi adiacenti come KDE sono alcune delle tecniche di stima della densità più diffusi e utili. I nodi KDE Modeling e KDE Simulation in SPSS Modeler espongono le caratteristiche principali e i parametri comunemente utilizzati della libreria KDE. I nodi sono implementati in Python.

Tabella 1. Proprietà del modello kdemodel
kdemodel proprietà Tipo di dati Descrizione proprietà
custom_fields booleano Questa opzione indica al nodo di utilizzare le informazioni sui campi specificate qui al posto di quelle date in un qualsiasi nodo Tipo upstream. Dopo aver selezionato questa opzione, specificare i seguenti campi come richiesto.
inputs campo Elenco dei nomi dei campi per l'input.
bandwidth doppio Il valore predefinito è 1.
kernel Stringa Il kernel da utilizzare: gaussian, tophat, epanechnikov, exponential, linear o cosine. Il valore predefinito è gaussian.
algorithm Stringa L'algoritmo di struttura ad albero da utilizzare: kd_tree, ball_tree o auto. Il valore predefinito è auto.
metric Stringa La metrica da utilizzare quando si calcola la distanza. Per l'algoritmo kd_tree, scegliere tra: Euclidean, Chebyshev, Cityblock, Minkowski, Manhattan, Infinity, P, L2 o L1. Per l'algoritmo ball_tree, scegliere tra: Euclidian, Braycurtis, Chebyshev, Canberra, Cityblock, Dice, Hamming, Infinity, Jaccard, L1, L2, Minkowski, Matching, Manhattan, P, Rogersanimoto, Russellrao, Sokalmichener, Sokalsneath o Kulsinski. Il valore predefinito è Euclidean.
atol a virgola mobile La desiderata tolleranza assoluta del risultato. Una maggiore tolleranza porterà generalmente a un'esecuzione più rapida. Il valore predefinito è 0.0.
rtol a virgola mobile La desiderata tolleranza relativa del risultato. Una maggiore tolleranza porterà generalmente a un'esecuzione più rapida. Il valore predefinito è 1E-8.
breadth_first booleano Impostare su True per usare un approccio di ampiezza. Impostare su False per usare un approccio di profondità. Il valore predefinito è True.
leaf_size intero La dimensione foglia dell'albero sottostante. Il valore predefinito è 40. La modifica di questo valore potrebbe influire in modo significativo sulle prestazioni.
p_value doppio Specificare il valore P da utilizzare se si sta utilizzando Minkowski per la metrica. L'impostazione predefinita è 1.5.
custom_name
default_node_name
use_HPO