propriedades do nó autonômico

Ícone De Nó Numérico Automático O nó Auto Numeric estima e compara modelos para resultados de intervalos numéricos contínuos usando vários métodos diferentes. O nó funciona da mesma maneira que o nó Auto Classifier, permitindo que você escolha os algoritmos a serem usados e experimente várias combinações de opções em uma única passagem de modelagem. Os algoritmos compatíveis incluem redes neurais, C&R Tree, CHAID, regressão linear, regressão linear generalizada e máquinas de vetor de suporte (SVM). Os modelos podem ser comparados com base na correlação, no erro relativo ou no número de variáveis usadas.

Exemplo

node = stream.create("autonumeric", "My node")
node.setPropertyValue("ranking_measure", "Correlation")
node.setPropertyValue("ranking_dataset", "Training")
node.setPropertyValue("enable_correlation_limit", True)
node.setPropertyValue("correlation_limit", 0.8)
node.setPropertyValue("calculate_variable_importance", True)
node.setPropertyValue("neuralnetwork", True)
node.setPropertyValue("chaid", False)

Tabela 1. propriedades autonumericóes
`autonumericnode` Propriedades	Valores	Descrição da propriedade
`custom_fields`	sinalização	Se for True, as configurações de campo personalizado serão usadas em vez das configurações de nó de tipo.
`target`	campo	O nó Auto Numeric requer um único destino e um ou mais campos de entrada. Os campos de peso e frequência também podem ser especificados. Veja Propriedades do nó de modelagem comum para obter mais informações.
`inputs`	[field1 … field2]
`partition`	campo
`use_frequency`	sinalização
`frequency_field`	campo
`use_weight`	sinalização
`weight_field`	campo
`use_partitioned_data`	sinalização	Se um campo de partição for definido, somente os dados de treinamento serão usados para a criação do modelo.
`ranking_measure`	`Correlation` `NumberOfFields`
`ranking_dataset`	`Test` `Training`
`number_of_models`	número inteiro	Número de modelos a serem incluídos no nugget de modelo. Especifique um número inteiro entre 1 e 100.
`calculate_variable_importance`	sinalização
`enable_correlation_limit`	sinalização
`correlation_limit`	número inteiro
`enable_number_of_fields_limit`	sinalização
`number_of_fields_limit`	número inteiro
`enable_relative_error_limit`	sinalização
`relative_error_limit`	número inteiro
`enable_model_build_time_limit`	sinalização
`model_build_time_limit`	número inteiro
`enable_stop_after_time_limit`	sinalização
`stop_after_time_limit`	número inteiro
`stop_if_valid_model`	sinalização
`<algorithm>`	sinalização	Ativa ou desativa o uso de um algoritmo específico.
`<algorithm>.<property>`	sequência	Define um valor de propriedade para um algoritmo específico. Veja Configurando propriedades de algoritmo para obter mais informações.
`use_cross_validation`	booleano	Em vez de usar uma única partição, é usada uma partição de validação cruzada.
`number_of_folds`	número inteiro	Parâmetro N fold para validação cruzada, com intervalo de 3 a 10.
`set_random_seed`	booleano	A definição de uma semente aleatória permite que você replique as análises. Especifique um número inteiro ou clique em Generate (Gerar ), que criará um número inteiro pseudo-aleatório entre 1 e 2147483647, inclusive. Por padrão, as análises são replicadas com a semente 229176228.
`random_seed`	número inteiro	Valor inicial aleatório
`filter_individual_model_output`	booleano	Remove da saída todos os campos adicionais gerados pelos modelos individuais que alimentam o nó Ensemble. Selecione essa opção se você estiver interessado apenas na pontuação combinada de todos os modelos de entrada. Certifique-se de que essa opção esteja desmarcada se, por exemplo, você quiser usar um nó de Análise ou um nó de Avaliação para comparar a precisão da pontuação combinada com a de cada um dos modelos de entrada individuais.
`calculate_standard_error`	booleano	Para um alvo contínuo (intervalo numérico), um cálculo de erro padrão é executado por padrão para calcular a diferença entre os valores medidos ou estimados e os valores reais e para mostrar a proximidade entre essas estimativas.