propriétés de autoclusternode | IBM Cloud Pak for Data as a Service

Retourner à la version anglaise de la documentation

propriétés de autoclusternode

Dernière mise à jour : 07 oct. 2024

propriétés de autoclusternode

Icône de noeud de cluster automatique Le 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.