bayesnetnode 属性
通过贝叶斯网络（Bayes Net）节点，您可以结合观测和记录的证据与现实世界知识构建概率模型，从而确定事件发生的概率。 该节点重点应用了树扩展简单贝叶斯 (TAN) 和马尔可夫覆盖网络，这些算法主要用于分类问题。
示例
node = stream.create("bayesnet", "My node")
node.setPropertyValue("continue_training_existing_model", True)
node.setPropertyValue("structure_type", "MarkovBlanket")
node.setPropertyValue("use_feature_selection", True)
# Expert tab
node.setPropertyValue("mode", "Expert")
node.setPropertyValue("all_probabilities", True)
node.setPropertyValue("independence", "Pearson")bayesnetnode 属性 |
值 | 属性描述 |
|---|---|---|
inputs |
[field1 ... fieldN] | 贝叶斯网络模型使用一个目标字段以及一个或多个输入字段。 连续字段将自动进行分箱。 有关详细信息，请参阅主题 “常见建模节点属性”。 |
continue_training_existing_model |
标志 | |
structure_type |
TAN MarkovBlanket |
请选择要在构建贝叶斯网络时使用的结构。 |
use_feature_selection |
标志 | |
parameter_learning_method |
Likelihood Bayes |
指定用于预测父节点的值已知的节点之间的条件概率表的方法。 |
mode |
Expert Simple |
|
missing_values |
标志 | |
all_probabilities |
标志 | |
independence |
Likelihood Pearson |
指定用于确定两个变量上的成对观测值是否相互独立的方法。 |
significance_level |
成员 | 指定用于确定独立性的分界值。 |
maximal_conditioning_set |
成员 | 设置用于独立性测试的条件变量的最大数。 |
inputs_always_selected |
[field1 ... fieldN] | 指定构建贝叶斯网络时始终使用的数据集中的字段。 注意： 目标字段始终处于选中状态。
|
maximum_number_inputs |
成员 | 指定构建贝叶斯网络时使用的输入字段的最大数。 |
calculate_variable_importance |
标志 | |
calculate_raw_propensities |
标志 | |
calculate_adjusted_propensities |
标志 | |
adjusted_propensity_partition |
Test Validation |