Retourner à la version anglaise de la documentationPropriétés de apriorinode
Propriétés de apriorinode
Dernière mise à jour : 07 oct. 2024
Le noeud Apriori extrait des données un ensemble de règles et retient les règles contenant la plus grande quantité d'informations. Le noeud Apriori fournit cinq méthodes de sélection de règles et utilise un modèle d'indexation sophistiqué pour traiter efficacement les volumes de données importants. Pour les problèmes importants, l'apprentissage du noeud Apriori est généralement plus rapide ; il n'existe aucune limite quant au nombre de règles pouvant être conservées et il peut prendre en charge des règles faisant l'objet de 32 pré-conditions. Le noeud Apriori exige des champs de saisie et de sortie catégoriels; toutefois, ce noeud offre de meilleures performances, car il est optimisé pour ce type de données.
Exemple
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)Propriétés apriorinode |
Valeurs | Description de la propriété |
|---|---|---|
consequents |
Zone | Les modèles Apriori utilisent les Conséquences et les Antécédents à la place des champs cible et entrée standard. Les champs de pondération et de fréquence ne sont pas utilisés. Pour plus d'informations, voir Propriétés communes des noeuds de modélisation . |
antecedents |
[field1 ... fieldN] | |
min_supp |
number | |
min_conf |
number | |
max_antecedents |
number | |
true_flags |
option | |
optimize |
Speed Memory |
|
use_transactional_data |
option | |
contiguous |
option | |
id_field |
chaîne | |
content_field |
chaîne | |
mode |
Simple Expert |
|
evaluation |
RuleConfidence DifferenceToPrior ConfidenceRatio InformationDifference NormalizedChiSquare |
|
lower_bound |
number | |
optimize |
Speed Memory |
Permet d'indiquer si la création du modèle doit être optimisée en vitesse ou en mémoire. |
rules_without_antececents |
Booléen | Sélectionnez cette option pour autoriser les règles qui comprennent uniquement les conséquences (élément ou jeu d'éléments). Cela s'avère utile lorsque vous souhaitez déterminer des éléments ou des jeux d'éléments communs. Par exemple, cannedveg est une règle d'élément unique sans antécédent qui indique que l'achat de cannedveg est une occurrence courante dans les données. |