Propriedades de autoclusternode

Ícone do nó do Cluster Auto O nó Cluster Automático estima e compara modelos de armazenamento em cluster, que identificam grupos de registros com características semelhantes. O nó trabalha da mesma maneira que outros nós de modelagem automatizados, permitindo experimentar várias combinações de opções em uma única passagem de modelagem. Modelos podem ser comparados usando medidas básicas com as quais você tentar filtrar e ranquear a utilidade dos modelos de cluster e fornecer uma medida baseada na importância de determinados campos.

Exemplo

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)

Tabela 1. propriedades autoclusternó
Propriedades `autoclusternode`	Valores	Descrição da propriedade
`evaluation`	campo	Nota: Apenas nó do Cluster automático. Identifica o campo para o qual um valor de importância será calculado. Como alternativa, pode ser usado para identificar quão bem o cluster diferencia o valor deste campo e, portanto, quão bem o modelo irá prever esse campo.
`ranking_measure`	`Silhouette` `Num_clusters` `Size_smallest_cluster` `Size_largest_cluster` `Smallest_to_largest` `Importance`
`ranking_dataset`	`Training` `Test`
`summary_limit`	Número inteiro	Número de modelos para lista no relatório. Especifique um número inteiro entre 1 e 100.
`enable_silhouette_limit`	sinalização
`silhouette_limit`	Número inteiro	Número inteiro entre 0 e 100.
`enable_number_less_limit`	sinalização
`number_less_limit`	number	Número real entre 0,0 e 1,0.
`enable_number_greater_limit`	sinalização
`number_greater_limit`	number	Integer maior que 0.
`enable_smallest_cluster_limit`	sinalização
`smallest_cluster_units`	`Percentage` `Counts`
`smallest_cluster_limit_percentage`	number
`smallest_cluster_limit_count`	Número inteiro	Integer maior que 0.
`enable_largest_cluster_limit`	sinalização
`largest_cluster_units`	`Percentage` `Counts`
`largest_cluster_limit_percentage`	number
`largest_cluster_limit_count`	Número inteiro
`enable_smallest_largest_limit`	sinalização
`smallest_largest_limit`	number
`enable_importance_limit`	sinalização
`importance_limit_condition`	`Greater_than` `Less_than`
`importance_limit_greater_than`	number	Número inteiro entre 0 e 100.
`importance_limit_less_than`	number	Número inteiro entre 0 e 100.
`<algorithm>`	sinalização	Ativa ou desativa o uso de um algoritmo específico.
`<algorithm>.<property>`	sequência	Configura um valor da propriedade para um algoritmo específico. Veja Configurando propriedades de algoritmo para obter mais informações.
`number_of_models`	Número inteiro
`enable_model_build_time_limit`	Booleano	(Modelos K-médias, Kohonen, TwoStep, SVM, KNN, Rede bayesiana e Lista de decisão apenas.) Configura um limite máximo de tempo para qualquer modelo. Por exemplo, se um modelo específico requerer um longo tempo inesperado para treinar devido a alguma interação complexa, você provavelmente não vai querer que isso atrase toda a execução de modelagem.
`model_build_time_limit`	Número inteiro	Tempo gasto em construção de modelo.
`enable_stop_after_time_limit`	Booleano	(Modelos Rede neural, K-média, Kohonen, TwoStep, SVM, KNN, Rede bayesiana e C&R Tree apenas.) Interrompe uma execução após um número especificado de horas. Todos os modelos gerados até esse ponto serão incluídos no nugget do modelo, mas nenhum modelo adicional será produzido.
`stop_after_time_limit`	duplo	Limite de tempo de execução (horas).
`stop_if_valid_model`	Booleano	Interrompe uma execução quando um modelo passa todos os critérios especificados sob as configurações de Descarte.