線形ノードのプロパティ

線型ノードのアイコン線形回帰モデルは、目的変数と1つ以上の予測変数の間の線形関係に基づいて、連続的な目的変数を予測する。

例

node = stream.create("linear", "My node")
# Build Options tab - Objectives panel
node.setPropertyValue("objective", "Standard")
# Build Options tab - Model Selection panel
node.setPropertyValue("model_selection", "BestSubsets")
node.setPropertyValue("criteria_best_subsets", "ASE")
# Build Options tab - Ensembles panel
node.setPropertyValue("combining_rule_categorical", "HighestMeanProbability")

表 1. linearnode プロパティー
`linearnode` プロパティ－	値	プロパティーの説明
`target`	フィールド	単一のターゲットフィールドを指定します。
`inputs`	[field1 ... fieldN]	モデルで使用される予測フィールド。
`continue_training_existing_model`	フラグ
`objective`	`Standard` `Bagging` `Boosting` `psm`	`psm` は非常に大きなデータセットに使用され、サーバーへの接続が必要です。
`use_auto_data_preparation`	フラグ
`confidence_level`	番号になります
`model_selection`	`ForwardStepwise` `BestSubsets` `None`
`criteria_forward_stepwise`	`AICC` `Fstatistics` `AdjustedRSquare` `ASE`
`probability_entry`	番号になります
`probability_removal`	番号になります
`use_max_effects`	フラグ
`max_effects`	番号になります
`use_max_steps`	フラグ
`max_steps`	番号になります
`criteria_best_subsets`	`AICC` `AdjustedRSquare` `ASE`
`combining_rule_continuous`	`Mean` `Median`
`component_models_n`	番号になります
`use_random_seed`	フラグ
`random_seed`	番号になります
`use_custom_model_name`	フラグ
`custom_model_name`	ストリング
`use_custom_name`	フラグ
`custom_name`	ストリング
`tooltip`	ストリング
`keywords`	ストリング
`annotation`	ストリング
`perform_model_effect_tests`	ブール値	各回帰効果についてモデル効果テストを実施する。
`confidence_level`	double	これは、モデル係数の推定値を計算するために使用される信頼区間です。 0より大きく、100より小さい値を指定してください。デフォルトは95です。
`probability_entry`	double	F統計量が基準として選択された場合、各ステップにおいて、指定された閾値未満の最小のp値を持つ効果がモデルに追加されます（p値が閾値未満の効果を含める）。デフォルトは 0.05 です。
`probability_removal`	double	指定した閾値よりも大きなp値を持つモデル内の効果は削除されます（p値が閾値よりも大きい効果を削除）。デフォルトは 0.10 です。