About cookies on this site Our websites require some cookies to function properly (required). In addition, other cookies may be used with your consent to analyze site usage, improve the user experience and for advertising. For more information, please review your options. By visiting our website, you agree to our processing of information as described in IBM’sprivacy statement. To provide a smooth navigation, your cookie preferences will be shared across the IBM web domains listed here.
資料の 英語版 に戻る
KDE ノード (SPSS Modeler)
KDE ノード
最終更新: 2025年2月11日
カーネル密度推定 (KDE)© は、Ball Tree または KD Tree のアルゴリズムを使用してクエリを効率化し、教師なし学習、特徴量エンジニアリング、データのモデル化の概念を結合します。
KDE などの近隣ベースの手法が、最もよく使用され、有用な密度推定手法です。 KDE は任意の数の次元で実行できますが、実際のところは、高次元ではパフォーマンスが低下する可能性があります。 watsonx.ai Studio」の「KDE Modeling」ノードと「KDE Simulation」ノードは、KDEライブラリのコア機能とよく使われるパラメータを公開しています。 これらのノードは Python で実装されています。 1
KDE ノードを使用するには、上流のデータ型ノードをセットアップする必要があります。 KDE ノードは、データ型ノードから (または、上流のインポート・ノードのデータ型から) 入力値を読み込みます。
KDE モデル作成ノードは、モデル作成ノード・パレットで使用することができます。 KDE モデル作成ノードはモデル ナゲットを生成します。ナゲットのスコア値は、入力データからのカーネル密度の値になります。
KDE シミュレーション・ノードは、出力ノード・パレットで使用することができます。 「KDE シミュレーション」ノードは、入力データと同じ分布を持つレコードを作成できる KDE 生成入力ノードを生成します。 KDE 生成ノードのプロパティーで、このノードが作成するレコードの数 (デフォルト値は 1) を指定して、ランダム・シードを生成することができます。
例を含む KDE について詳しくは、 KDE の資料を参照してください。 1
1 「ユーザー・ガイド」。 「カーネル密度推定 (Kernel Density Estimation)」。 Web. © 2007-2018, scikit-learn developers.
トピックは役に立ちましたか?
0/1000