Propriedades de apriorinode
O nó A Priori extrai um conjunto de regras dos dados, removendo as regras com o conteúdo de informações mais alto. A Priori oferece cinco métodos diferentes de seleção de regras e usa um esquema de indexação sofisticado para processar conjuntos de dados grandes com eficiência. Para grandes problemas, o A Priori geralmente é mais rápido para treinar; ele não tem um limite arbitrário no número de regras que podem ser retidas e pode manipular regras com até 32 condições prévias. A priori exige que os campos de entrada e saída sejam todos categóricos, mas oferece melhor desempenho porque é otimizado para esse tipo de dado.
Exemplo
node = stream.create("apriori", "My node")
# "Fields" tab
node.setPropertyValue("custom_fields", True)
node.setPropertyValue("partition", "Test")
# For non-transactional
node.setPropertyValue("use_transactional_data", False)
node.setPropertyValue("consequents", ["Age"])
node.setPropertyValue("antecedents", ["BP", "Cholesterol", "Drug"])
# For transactional
node.setPropertyValue("use_transactional_data", True)
node.setPropertyValue("id_field", "Age")
node.setPropertyValue("contiguous", True)
node.setPropertyValue("content_field", "Drug")
# "Model" tab
node.setPropertyValue("use_model_name", False)
node.setPropertyValue("model_name", "Apriori_bp_choles_drug")
node.setPropertyValue("min_supp", 7.0)
node.setPropertyValue("min_conf", 30.0)
node.setPropertyValue("max_antecedents", 7)
node.setPropertyValue("true_flags", False)
node.setPropertyValue("optimize", "Memory")
# "Expert" tab
node.setPropertyValue("mode", "Expert")
node.setPropertyValue("evaluation", "ConfidenceRatio")
node.setPropertyValue("lower_bound", 7)Propriedades apriorinode |
Valores | Descrição da propriedade |
|---|---|---|
consequents |
campo | Os modelos a priori utilizam Subsequentes e Antecedentes ao invés dos campos de destino e de entrada padrão. Os campos de peso e frequência não são usados. Veja Propriedades do nó de modelagem comum para obter mais informações. |
antecedents |
[field1 ... fieldN] | |
min_supp |
number | |
min_conf |
number | |
max_antecedents |
number | |
true_flags |
sinalização | |
optimize |
Speed Memory |
|
use_transactional_data |
sinalização | |
contiguous |
sinalização | |
id_field |
sequência | |
content_field |
sequência | |
mode |
Simple Expert |
|
evaluation |
RuleConfidence DifferenceToPrior ConfidenceRatio InformationDifference NormalizedChiSquare |
|
lower_bound |
number | |
optimize |
Speed Memory |
Use para especificar se a construção de modelo deve ser otimizada para velocidade ou para memória. |
rules_without_antececents |
Booleano | Selecione para permitir regras que incluam apenas o subsequente (item ou conjunto de itens). Isso será útil quando estiver interessado em determinar um item ou conjuntos de itens comuns. Por exemplo, cannedveg é uma regra de item único sem antecedente que indica que a compra de cannedveg é uma ocorrência comum nos dados. |