가우스 혼합 노드 작성 옵션

작성 옵션 탭에서는 기본 옵션 및 고급 옵션을 포함한 가우스 혼합 노드에 대한 작성 옵션을 지정할 수 있습니다. 이 절에서 다루지 않은 옵션에 대한 세부사항은 다음 온라인 자원을 참조하십시오.

기본

공분산 유형. 다음 공분산 교차표 중 하나를 선택하십시오.
  • 전체. 구성요소마다 자체 일반 공분산 교차표가 있습니다.
  • 동률. 모든 구성요소가 동일한 일반 공분산 교차표를 공유합니다.
  • 대각선. 구성요소마다 자체 대각선 공분산 교차표가 있습니다.
  • 원형. 구성요소마다 자체 단일 공분산이 있습니다.

구성요소 수. 모델 작성 시 사용할 혼합 구성요소 수를 지정하십시오.

군집 레이블. 군집 레이블이 숫자 또는 문자열인지 여부를 지정하십시오. 문자열을 선택한 경우, 군집 레이블의 접두부를 지정하십시오. 예를 들어 기본 접두부는 cluster입니다. 즉, cluster-1, cluster-2 등의 군집 레이블이 생성됩니다. .

난수 시드. 난수 생성기에서 사용한 시드를 생성하려면 이 옵션을 선택하고 생성을 클릭하십시오.

고급

허용치. 수렴 임계값을 지정하십시오. 기본값은 0.001입니다.

반복계산 수. 수행할 최대반복수를 지정하십시오. 기본값은 100입니다.

Init 모수. 초기화 매개변수로 K-평균(책무가 K-평균을 사용하여 초기화됨) 또는 임의(책무가 임의적으로 초기화됨)를 선택하십시오.

웜 스타트. True를 선택할 경우 마지막 적합 솔루션이 다음 적합에 대한 초기화로 사용됩니다. 이와 같이 설정하면 유사한 문제에서 적합이 여러 번 호출될 경우 수렴 속도가 빨라질 수 있습니다.

다음 표는 SPSS® Modeler 가우스 혼합 노드 대화 상자의 설정과 Python 가우스 혼합 라이브러리 매개변수 간의 관계를 보여줍니다.
표 1. Python 라이브러리 모수에 맵핑되는 노드 특성
SPSS Modeler 설정 스크립트 이름(특성 이름) 가우스 혼합 매개변수
사전 정의된 역할 사용 / 사용자 정의 필드 할당 사용 role_use
입력 예측변수
파티션된 데이터 사용 use_partition
공분산 유형 covariance_type covariance_type
구성요소 수 number_component n_components
군집 레이블 component_lable
레이블 접두어 label_prefix
난수 시드 설정 enable_random_seed
난수 시드 random_seed random_state
공차 tol tol
반복계산 수 max_iter max_iter
Init 매개변수 init_params init_params
웜 스타트 warm_start warm_start

1 Scikit-learn: Machine Learning in Python, Pedregosa et al., JMLR 12, pp. 2825-2830, 2011.

2 "User Guide." Gaussian mixture models. Web. © 2007 - 2017. scikit-learn 개발자.