propriedades de featureselectionnode

Ícone do nó Seleção de Recursos O nó Seleção de Variável verifica campos de entrada para remoção com base em um conjunto de critérios (como a porcentagem de valores omissos); em seguida, classifica a importância de entradas restantes com relação a um destino especificado. Por exemplo, dado um conjunto de dados com centenas de entradas potenciais, quais têm maior probabilidade de serem úteis na modelagem de resultados do paciente?

Exemplo

node = stream.create("featureselection", "My node")
node.setPropertyValue("screen_single_category", True)
node.setPropertyValue("max_single_category", 95)
node.setPropertyValue("screen_missing_values", True)
node.setPropertyValue("max_missing_values", 80)
node.setPropertyValue("criteria", "Likelihood")
node.setPropertyValue("unimportant_below", 0.8)
node.setPropertyValue("important_above", 0.9)
node.setPropertyValue("important_label", "Check Me Out!")
node.setPropertyValue("selection_mode", "TopN")
node.setPropertyValue("top_n", 15)

Tabela 1. propriedades featureselectionnode
Propriedades `featureselectionnode`	Valores	Descrição da propriedade
`target`	campo	Os modelos de Seleção de Recurso classificam preditores com relação ao destino especificado. Os campos de peso e frequência não são usados. Veja Propriedades do nó de modelagem comum para obter mais informações.
`screen_single_category`	sinalização	Se `True`, os campos de telas que possuem muitos registros cairão na mesma categoria em relação ao número total de registros.
`max_single_category`	number	Especifica o limite usado quando `screen_single_category` é `True`.
`screen_missing_values`	sinalização	Se `True`, os campos de telas com muitos valores ausentes, expressos como uma porcentagem do número total de registros.
`max_missing_values`	number
`screen_num_categories`	sinalização	Se `True`, faz triagem de campos com muitas categorias em relação ao número total de registros.
`max_num_categories`	number
`screen_std_dev`	sinalização	Se `True`, faz triagem de campos com um desvio padrão menor ou igual ao mínimo especificado.
`min_std_dev`	number
`screen_coeff_of_var`	sinalização	Se `True`, faz triagem de campos com coeficiente de variância menor ou igual ao mínimo especificado.
`min_coeff_of_var`	number
`criteria`	`Pearson` `Likelihood` `CramersV` `Lambda`	Ao classificar preditores categóricos com relação a uma variável resposta categórica, especifica a medida na qual o valor de importância é baseado.
`unimportant_below`	number	Especifica o limite de valores p utilizados para classificar variáveis como importantes, marginais ou insignificantes. Aceita valores de 0,0 a 1,0.
`important_above`	number	Aceita valores de 0,0 a 1,0.
`unimportant_label`	sequência	Especifica o rótulo para a classificação não importante.
`marginal_label`	sequência
`important_label`	sequência
`selection_mode`	`ImportanceLevel` `ImportanceValue` `TopN`
`select_important`	sinalização	Quando `selection_mode` é configurado como `ImportanceLevel`, especifica se selecionará campos importantes.
`select_marginal`	sinalização	Quando `selection_mode` é configurado como `ImportanceLevel`, especifica se selecionará campos marginais.
`select_unimportant`	sinalização	Quando `selection_mode` é configurado como `ImportanceLevel`, especifica se selecionará campos não importantes.
`importance_value`	number	Quando `selection_mode` é configurado como `ImportanceValue`, especifica o valor de corte a ser usado. Aceita valores de 0 a 100.
`top_n`	Número inteiro	Quando `selection_mode` é configurado como `TopN`, especifica o valor de corte a ser usado. Aceita valores de 0 a 1000.