Docs
...
autoclusternode properties

propriétés de autoclusternode

Dernière mise à jour : 11 févr. 2025
propriétés de autoclusternode

Icône de noeud de cluster automatiqueLe noeud Cluster automatique évalue et compare les modèles de classification identifiant des groupes d'enregistrements ayant des caractéristiques similaires. Le noeud fonctionne de la même manière que les autres noeuds modélisation automatiques, vous permettant de tester plusieurs combinaisons d'options en une seule modélisation. Les modèles peuvent être comparés à l'aide de mesures de bases permettant d'essayer de filtrer et de classer l'utilité des modèles de classification et de fournir une mesure en fonction de l'importance de champs particuliers.

Exemple

node = stream.create("autocluster", "My node")
node.setPropertyValue("ranking_measure", "Silhouette")
node.setPropertyValue("ranking_dataset", "Training")
node.setPropertyValue("enable_silhouette_limit", True)
node.setPropertyValue("silhouette_limit", 5)
Tableau 1. propriétés de autoclusternode
Propriétés autoclusternode Valeurs Description de la propriété
evaluation Zone
Remarque: noeud Cluster automatique uniquement. Identifie le champ pour lequel une valeur d'importance sera calculée. On peut aussi l'utiliser pour déterminer dans quelle mesure le cluster différencie la valeur de ce champ et, par conséquent, dans quelle mesure le modèle prédira ce champ.
ranking_measure Silhouette Num_clusters Size_smallest_cluster Size_largest_cluster Smallest_to_largest Importance  
ranking_dataset Training Test  
summary_limit Integer Nombre de modèles devant figurer dans le rapport. Indiquez un entier compris entre 1 et 100.
enable_silhouette_limit option  
silhouette_limit Integer Entier compris entre 0 et 100.
enable_number_less_limit option  
number_less_limit number Nombre réel compris entre 0,0 et 1,0.
enable_number_greater_limit option  
number_greater_limit number Entier supérieur à 0.
enable_smallest_cluster_limit option  
smallest_cluster_units Percentage Counts  
smallest_cluster_limit_percentage number  
smallest_cluster_limit_count Integer Entier supérieur à 0.
enable_largest_cluster_limit option  
largest_cluster_units Percentage Counts  
largest_cluster_limit_percentage number  
largest_cluster_limit_count Integer  
enable_smallest_largest_limit option  
smallest_largest_limit number  
enable_importance_limit option  
importance_limit_condition Greater_than Less_than  
importance_limit_greater_than number Entier compris entre 0 et 100.
importance_limit_less_than number Entier compris entre 0 et 100.
<algorithm> option Active ou désactive l'utilisation d'un algorithme particulier.
<algorithm>.<property> chaîne Définit une valeur de propriété pour un algorithme spécifique. Pour plus d'informations, voir Définition des propriétés d'algorithme .
number_of_models Integer
enable_model_build_time_limit Booléen (K-Means, Kohonen, TwoStep, SVM, KNN, Bayes Net et les modèles de liste de décision uniquement.)
Définit une limite de temps maximale pour un modèle donné. Par exemple, si l'apprentissage d'un modèle donné prenait un temps particulièrement long du fait d'une interaction complexe, vous ne voudriez pas qu'il ralentisse l'exécution de la modélisation complète.
model_build_time_limit Integer Temps passé sur la génération du modèle.
enable_stop_after_time_limit Booléen (Modèles de réseau de neurones, K-Means, Kohonen, TwoStep, SVM, KNN, Bayes Net et C&R Tree uniquement.)
Arrête une exécution après un nombre d'heures spécifié. Tous les modèles générés jusqu'à ce moment-là sont inclus dans le nugget de modèle, mais aucun autre modèle n'est ensuite généré.
stop_after_time_limit doublon Délai d'exécution (heures).
stop_if_valid_model Booléen Arrête une exécution lorsqu'un modèle transmet tous les critères spécifiés sous les paramètres de suppression.