kohonennodeのプロパティ
コホネンノードは、データセットを明確なグループにクラスタリングするために使用できるニューラルネットワークの一種を生成します。 ネットワークが十分に学習された場合、類似したレコードは出力マップ上で近接し、異なるレコードは離れた位置に配置されるはずです。 モデルナゲット内の各ユニットが捉えた観測数を確認することで、強いユニットを特定することができます。 これにより、適切なクラスタの数が分かるかもしれません。
例
node = stream.create("kohonen", "My node")
# "Model" tab
node.setPropertyValue("use_model_name", False)
node.setPropertyValue("model_name", "Symbolic Cluster")
node.setPropertyValue("stop_on", "Time")
node.setPropertyValue("time", 1)
node.setPropertyValue("set_random_seed", True)
node.setPropertyValue("random_seed", 12345)
node.setPropertyValue("optimize", "Speed")
# "Expert" tab
node.setPropertyValue("mode", "Expert")
node.setPropertyValue("width", 3)
node.setPropertyValue("length", 3)
node.setPropertyValue("decay_style", "Exponential")
node.setPropertyValue("phase1_neighborhood", 3)
node.setPropertyValue("phase1_eta", 0.5)
node.setPropertyValue("phase1_cycles", 10)
node.setPropertyValue("phase2_neighborhood", 1)
node.setPropertyValue("phase2_eta", 0.2)
node.setPropertyValue("phase2_cycles", 75)kohonennode プロパティ－ |
値 | プロパティーの説明 |
|---|---|---|
inputs |
[field1 ... fieldN] | コホネンモデルは入力フィールドのリストを使用しますが、ターゲットは使用しません。 周波数と重量のフィールドは使用されていません。 詳しくは、 モデル作成ノードの共通プロパティー を参照してください。 |
continue |
フラグ | |
show_feedback |
フラグ | |
stop_on |
Default Time |
|
time |
番号になります | |
optimize |
SpeedMemory |
モデル構築を速度またはメモリ使用量のどちらを優先して最適化するかを指定します。 |
cluster_label |
フラグ | |
mode |
Simple Expert |
|
width |
番号になります | |
length |
番号になります | |
decay_style |
LinearExponential |
|
phase1_neighborhood |
番号になります | |
phase1_eta |
番号になります | |
phase1_cycles |
番号になります | |
phase2_neighborhood |
番号になります | |
phase2_eta |
番号になります | |
phase2_cycles |
番号になります | |
set_random_seed |
ブール値 | ランダムシードが設定されていない場合、ネットワークの重みを初期化する際に使用されるランダム値のシーケンスは、ノードが実行されるたびに毎回異なるものになります。 これにより、ノードの設定やデータ値がまったく同じであっても、実行ごとに異なるモデルが作成されることがあります。 このオプションを選択すると、ランダムシードを特定の値に設定できるため、生成されるモデルを正確に再現することができます。 |
random_seed |
整数 | シード |