propiedades de autoclusternode

Volver a la versión inglesa de la documentación

Última actualización: 04 oct 2024

propiedades de autoclusternode

Icono de nodo de clúster automático El nodo Agrupación en clústeres automática calcula y compara los modelos de agrupación en clústeres que identifican grupos de registros con características similares. El nodo funciona de la misma manera que otros nodos de modelado automático, permitiéndole experimentar con múltiples combinaciones de opciones en una única pasada de modelado. Los modelos se pueden comparar utilizando medidas básicas con las que se intenta filtrar y definir la utilidad de los modelos de clúster y proporcionar una medida según la importancia de campos concretos.

Ejemplo

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)

Tabla 1. propiedades de autoclusternode
Propiedades de `autoclusternode`	Valores	Descripción de la propiedad
`evaluation`	campo	Nota: Solo el nodo Clúster automático. Identifica el campo cuyo valor de importancia se calculará. Alternativamente, se puede utilizar para identificar cómo el clúster diferencia el valor de este campo y, por lo tanto, cómo predecirá el modelo este campo.
`ranking_measure`	`Silhouette` `Num_clusters` `Size_smallest_cluster` `Size_largest_cluster` `Smallest_to_largest` `Importance`
`ranking_dataset`	`Training` `Test`
`summary_limit`	entero	Número de modelos que se incluirán en el informe. Especifique un entero entre 1 y 100.
`enable_silhouette_limit`	distintivo
`silhouette_limit`	entero	Entero entre 0 y 100.
`enable_number_less_limit`	distintivo
`number_less_limit`	número	Número real entre 0,0 y 1,0.
`enable_number_greater_limit`	distintivo
`number_greater_limit`	número	Entero mayor que 0.
`enable_smallest_cluster_limit`	distintivo
`smallest_cluster_units`	`Percentage` `Counts`
`smallest_cluster_limit_percentage`	número
`smallest_cluster_limit_count`	entero	Entero mayor que 0.
`enable_largest_cluster_limit`	distintivo
`largest_cluster_units`	`Percentage` `Counts`
`largest_cluster_limit_percentage`	número
`largest_cluster_limit_count`	entero
`enable_smallest_largest_limit`	distintivo
`smallest_largest_limit`	número
`enable_importance_limit`	distintivo
`importance_limit_condition`	`Greater_than` `Less_than`
`importance_limit_greater_than`	número	Entero entre 0 y 100.
`importance_limit_less_than`	número	Entero entre 0 y 100.
`<algorithm>`	distintivo	Activa o desactiva el uso de un determinado algoritmo.
`<algorithm>.<property>`	serie	Define un valor de propiedad para un algoritmo específico. Consulte Establecimiento de propiedades de algoritmo para obtener más información.
`number_of_models`	entero
`enable_model_build_time_limit`	Boolean	(Sólo modelos K-Means, Kohonen, TwoStep, SVM, KNN, Red bayesiana y Lista de decisiones.) Establece un límite de tiempo máximo para cualquier modelo. Por ejemplo, si un modelo determinado necesita un período de tiempo más largo del esperado para entrenarse debido a una interacción compleja, es probable que no quiera detener la ejecución de todo el modelado.
`model_build_time_limit`	entero	Tiempo empleado en la generación del modelo.
`enable_stop_after_time_limit`	Boolean	(Sólo modelos Red neuronal, K-Means, Kohonen, TwoStep, SVM, KNN, Red bayesiana y Árbol C&R) Detiene una ejecución después de un número de horas especificado. Se incluirán en el nugget de modelo todos los modelos generados hasta ese momento, pero no se producirán más modelos.
`stop_after_time_limit`	doble	Límite de tiempo (horas).
`stop_if_valid_model`	Boolean	Detiene una ejecución cuando un modelo pasa todos los criterios especificados bajo los valores de Descartar.