Propriedades de linearnode

Ícone do nó linear Os modelos de regressão linear preveem um destino contínuo com base em relacionamentos lineares entre o destino e um ou mais preditores.

Exemplo

node = stream.create("linear", "My node")
# Build Options tab - Objectives panel
node.setPropertyValue("objective", "Standard")
# Build Options tab - Model Selection panel
node.setPropertyValue("model_selection", "BestSubsets")
node.setPropertyValue("criteria_best_subsets", "ASE")
# Build Options tab - Ensembles panel
node.setPropertyValue("combining_rule_categorical", "HighestMeanProbability")

Tabela 1. propriedades do linearnode
Propriedades `linearnode`	Valores	Descrição da propriedade
`target`	campo	Especifica um campo de destino único.
`inputs`	[field1 ... fieldN]	Campos do preditor utilizados pelo modelo.
`continue_training_existing_model`	sinalização
`objective`	`Standard` `Bagging` `Boosting` `psm`	O `psm` é usado para conjuntos de dados muito grandes e requer uma conexão do servidor.
`use_auto_data_preparation`	sinalização
`confidence_level`	number
`model_selection`	`ForwardStepwise` `BestSubsets` `None`
`criteria_forward_stepwise`	`AICC` `Fstatistics` `AdjustedRSquare` `ASE`
`probability_entry`	number
`probability_removal`	number
`use_max_effects`	sinalização
`max_effects`	number
`use_max_steps`	sinalização
`max_steps`	number
`criteria_best_subsets`	`AICC` `AdjustedRSquare` `ASE`
`combining_rule_continuous`	`Mean` `Median`
`component_models_n`	number
`use_random_seed`	sinalização
`random_seed`	number
`use_custom_model_name`	sinalização
`custom_model_name`	sequência
`use_custom_name`	sinalização
`custom_name`	sequência
`tooltip`	sequência
`keywords`	sequência
`annotation`	sequência
`perform_model_effect_tests`	Booleano	Execute testes de efeito de modelo para cada efeito de regressão.
`confidence_level`	duplo	Este é o intervalo de confiança usado para computar estimativas dos coeficientes do modelo. Especifique um valor maior que 0 e menor que 100. O padrão é 95.
`probability_entry`	duplo	Se F Estatísticas for escolhido como critério, a cada etapa, o efeito que tem o menor valor p inferior ao limite especificado é incluído no modelo (inclua efeitos com valores p menores que). O padrão é 0,05.
`probability_removal`	duplo	Quaisquer efeitos no modelo com um valor p maior do que o limite especificado são removidos (remover efeitos com valores p superiores). O padrão é 0,10.