신경망 노드 속성

신경망 노드 아이콘 신경망 노드는 인간의 뇌가 정보를 처리하는 방식의 단순화된 모델을 사용합니다. 추상적인 뉴런의 버전과 유사한 상호 연결된 단순 처리 장치의 대량 시뮬레이션을 통해 작동합니다. 신경망은 강력한 일반 기능 추정기이며, 훈련하거나 적용하는 데 최소한의 통계적 또는 수학적 지식이 필요합니다.

예

node = stream.create("neuralnetwork", "My node")
# Build Options tab - Objectives panel
node.setPropertyValue("objective", "Standard")
# Build Options tab - Ensembles panel
node.setPropertyValue("combining_rule_categorical", "HighestMeanProbability")

표 1. neuralnetworknode 특성
`neuralnetworknode` 특성	값	특성 설명
`targets`	[field1 ... fieldN]	목표 필드를 지정합니다.
`inputs`	[field1 ... fieldN]	모델이 사용하는 예측자 필드.
`splits`	[field1 ... fieldN	분할 모델링에 사용할 필드를 지정합니다.
`use_partition`	플래그	파티션 필드가 정의되어 있는 경우, 이 옵션은 훈련 파티션의 데이터만 모델을 구축하는 데 사용되도록 합니다.
`continue`	플래그	기존 모델의 훈련을 계속하십시오.
`objective`	`Standard` `Bagging` `Boosting` `psm`	`psm` 는 매우 큰 데이터 세트에 사용되며 서버 연결이 필요합니다.
`method`	`MultilayerPerceptron` `RadialBasisFunction`
`use_custom_layers`	플래그
`first_layer_units`	숫자
`second_layer_units`	숫자
`use_max_time`	플래그
`max_time`	숫자
`use_max_cycles`	플래그
`max_cycles`	숫자
`use_min_accuracy`	플래그
`min_accuracy`	숫자
`combining_rule_categorical`	`Voting` `HighestProbability` `HighestMeanProbability`
`combining_rule_continuous`	`MeanMedian`
`component_models_n`	숫자
`overfit_prevention_pct`	숫자
`use_random_seed`	플래그
`random_seed`	숫자
`missing_values`	`listwiseDeletion` `missingValueImputation`
`use_model_name`	부울
`model_name`	문자열
`confidence`	`onProbability` `onIncrease`
`score_category_probabilities`	플래그
`max_categories`	숫자
`score_propensity`	플래그
`use_custom_name`	플래그
`custom_name`	문자열
`tooltip`	문자열
`keywords`	문자열
`annotation`	문자열
`calculate_variable_importance`	부울	적절한 중요도 측정값을 산출하는 모델의 경우, 모델 추정 시 각 예측변수의 상대적 중요도를 나타내는 차트를 표시할 수 있습니다. 일반적으로, 가장 중요한 예측 변수에 모델링 노력을 집중하고, 가장 중요하지 않은 변수는 제외하거나 무시하는 것을 고려해야 합니다.