proprietà del nodo autoclavante

Icona nodo Cluster automatico Il nodo Auto Cluster stima e confronta i modelli di clustering, che identificano gruppi di record con caratteristiche simili. Il nodo funziona allo stesso modo degli altri nodi di modellazione automatica, consentendo di sperimentare diverse combinazioni di opzioni in un unico passaggio di modellazione. I modelli si possono confrontare utilizzando misure di base con cui tentare di filtrare e classificare l'utilità dei modelli di cluster e fornire una misura in base all'importanza di determinati campi.

Esempio

node = stream.create("autocluster", "My node")
node.setPropertyValue("ranking_measure", "Silhouette")
node.setPropertyValue("ranking_dataset", "Training")
node.setPropertyValue("enable_silhouette_limit", True)
node.setPropertyValue("silhouette_limit", 5)

Tabella 1. proprietà autoclusternode
`autoclusternode` Proprietà	Valori	Descrizione proprietà
`evaluation`	campo	Nota: solo nodo Cluster automatico. Identifica il campo per il quale verrà calcolato un valore di importanza. In alternativa, può essere utilizzato per identificare il modo in cui il cluster differenzia il valore di questo campo e, quindi, il modo in cui il modello eseguirà la previsione di questo campo.
`ranking_measure`	`Silhouette` `Num_clusters` `Size_smallest_cluster` `Size_largest_cluster` `Smallest_to_largest` `Importance`
`ranking_dataset`	`Training` `Test`
`summary_limit`	intero	Numero di modelli da elencare nel rapporto. Specificare un numero intero compreso tra 1 e 100.
`enable_silhouette_limit`	indicatore
`silhouette_limit`	intero	Intero compreso tra 0 e 100.
`enable_number_less_limit`	indicatore
`number_less_limit`	numero	Numero reale compreso tra 0.0 e 1.0.
`enable_number_greater_limit`	indicatore
`number_greater_limit`	numero	Intero maggiore di 0.
`enable_smallest_cluster_limit`	indicatore
`smallest_cluster_units`	`Percentage` `Counts`
`smallest_cluster_limit_percentage`	numero
`smallest_cluster_limit_count`	intero	Intero maggiore di 0.
`enable_largest_cluster_limit`	indicatore
`largest_cluster_units`	`Percentage` `Counts`
`largest_cluster_limit_percentage`	numero
`largest_cluster_limit_count`	intero
`enable_smallest_largest_limit`	indicatore
`smallest_largest_limit`	numero
`enable_importance_limit`	indicatore
`importance_limit_condition`	`Greater_than` `Less_than`
`importance_limit_greater_than`	numero	Intero compreso tra 0 e 100.
`importance_limit_less_than`	numero	Intero compreso tra 0 e 100.
`<algorithm>`	indicatore	Abilita o disabilita l'uso di un algoritmo specifico.
`<algorithm>.<property>`	stringa	Imposta un valore di proprietà per un algoritmo specifico. Per ulteriori informazioni, consultare Impostazione delle proprietà dell'algoritmo .
`number_of_models`	intero
`enable_model_build_time_limit`	booleano	(solo modelli K-Means, Kohonen, TwoStep, SVM, KNN, Bayes Net e Decision List) Imposta un limite di tempo massimo per un qualsiasi modello. Ad esempio, se un particolare modello richiede un tempo inaspettatamente lungo per essere addestrato a causa di qualche interazione complessa, probabilmente non vorrai che questo rallenti l'intera esecuzione della modellazione.
`model_build_time_limit`	intero	Tempo impiegato per la creazione del modello.
`enable_stop_after_time_limit`	booleano	(Solo modelli di reti neurali, K-Means, Kohonen, TwoStep, SVM, KNN, Bayes Net e C&R Tree) Arresta un'esecuzione dopo un determinato numero di ore. Tutti i modelli generati fino a quel momento saranno inclusi nel modello nugget, ma non ne verranno prodotti altri.
`stop_after_time_limit`	doppio	Limite di runtime (ore).
`stop_if_valid_model`	booleano	Arresta un'esecuzione quando un modello supera tutti i criteri specificati nelle impostazioni di eliminazione.