Propriedades de kohonennode

Ícone do nó Kohonen O nó Kohonen gera um tipo de rede neural que pode ser usada para agrupar o conjunto de dados em grupos distintos. Quando a rede é totalmente treinada, os registros que são semelhantes devem estar próximos no mapa de saída, enquanto os registros que forem diferentes estarão distantes. É possível verificar o número de observações capturadas por cada unidade no nugget do modelo para identificar as unidades fortes. Isso pode dar uma noção do número apropriado de clusters.

Exemplo

node = stream.create("kohonen", "My node")
# "Model" tab
node.setPropertyValue("use_model_name", False)
node.setPropertyValue("model_name", "Symbolic Cluster")
node.setPropertyValue("stop_on", "Time")
node.setPropertyValue("time", 1)
node.setPropertyValue("set_random_seed", True)
node.setPropertyValue("random_seed", 12345)
node.setPropertyValue("optimize", "Speed")
# "Expert" tab
node.setPropertyValue("mode", "Expert")
node.setPropertyValue("width", 3)
node.setPropertyValue("length", 3)
node.setPropertyValue("decay_style", "Exponential")
node.setPropertyValue("phase1_neighborhood", 3)
node.setPropertyValue("phase1_eta", 0.5)
node.setPropertyValue("phase1_cycles", 10)
node.setPropertyValue("phase2_neighborhood", 1)
node.setPropertyValue("phase2_eta", 0.2)
node.setPropertyValue("phase2_cycles", 75)

Tabela 1. propriedades kohonennode
Propriedades `kohonennode`	Valores	Descrição da propriedade
`inputs`	[field1 ... fieldN]	Os modelos de Kohonen utilizam uma lista de campos de entrada, mas não de destino. Os campos de frequência e de ponderação não são utilizados. Veja Propriedades do nó de modelagem comum para obter mais informações.
`continue`	sinalização
`show_feedback`	sinalização
`stop_on`	`Default` `Time`
`time`	number
`optimize`	`Speed` `Memory`	Use para especificar se a construção de modelo deve ser otimizada para velocidade ou para memória.
`cluster_label`	sinalização
`mode`	`Simple` `Expert`
`width`	number
`length`	number
`decay_style`	`Linear` `Exponential`
`phase1_neighborhood`	number
`phase1_eta`	number
`phase1_cycles`	number
`phase2_neighborhood`	number
`phase2_eta`	number
`phase2_cycles`	number
`set_random_seed`	Booleano	Se nenhum valor inicial aleatório for definido, a sequência de valores aleatórios usados para inicializar os pesos da rede será diferente a cada vez que o nó for executado. Isso poderá fazer com que o nó crie modelos diferentes em execuções diferentes, mesmo se as configurações do nó e os valores de dados forem exatamente os mesmos. Ao selecionar essa opção, será possível configurar a semente aleatória para um valor específico, para que o modelo resultante seja reproduzido exatamente igual.
`random_seed`	Número inteiro	Valor Inicial