Docs
...
bayesnetnode properties

Eigenschaften von "bayesnetnode"

Letzte Aktualisierung: 11. Feb. 2025
Eigenschaften von "bayesnetnode"

Symbol für Bayes-NetzknotenMit dem Bayes-Netzknoten (Bayes-Netz) können Sie ein Wahrscheinlichkeitsmodell erstellen, indem Sie beobachtete und aufgezeichnete Angaben mit Wissen aus der Praxis kombinieren, um die Wahrscheinlichkeit von Vorkommen zu ermitteln. Der Knoten ist speziell für Netze vom Typ "Tree Augmented Naïve Bayes" (TAN) und "Markov-Decke" gedacht, die in erster Linie zur Klassifizierung verwendet werden.

Beispiel

node = stream.create("bayesnet", "My node")
node.setPropertyValue("continue_training_existing_model", True)
node.setPropertyValue("structure_type", "MarkovBlanket")
node.setPropertyValue("use_feature_selection", True)
# Expert tab
node.setPropertyValue("mode", "Expert")
node.setPropertyValue("all_probabilities", True)
node.setPropertyValue("independence", "Pearson")
Tabelle 1. bayesnetnode, Eigenschaften
bayesnetnode Eigenschaften Werte Eigenschaftsbeschreibung
inputs [field1 ... fieldN] Bayes-Netzmodelle verwenden ein einzelnes Zielfeld und eines oder mehrere Eingabefelder. Stetige Felder werden automatisch klassiert. Weitere Informationen finden Sie im Abschnitt Allgemeine Eigenschaften von Modellierungsknoten .
continue_training_existing_model Markierung  
structure_type TAN MarkovBlanket Dient zur Auswahl der beim Erstellen des Bayes-Netzes zu verwendenden Struktur.
use_feature_selection Markierung  
parameter_learning_method Likelihood Bayes Gibt die Methode an, die zur Schätzung der Tabellen zur bedingten Wahrscheinlichkeit zwischen Knoten verwendet wird, wenn die Werte der übergeordneten Elemente bekannt sind.
mode Expert Simple  
missing_values Markierung  
all_probabilities Markierung  
independence Likelihood Pearson Gibt die Methode an, die zur Einschätzung verwendet wird, ob paarige Beobachtungen bei zwei Variablen voneinander unabhängig sind.
significance_level Zahl Gibt den Trennwert für die Bestimmung der Unabhängigkeit an.
maximal_conditioning_set Zahl Legt die Maximalzahl der für die Unabhängigkeitstests zu verwendenden Konditionierungsvariablen fest.
inputs_always_selected [field1 ... fieldN] Gibt an, welche Felder aus dem Dataset immer beim Erstellen des Bayes-Netzes verwendet werden.
Hinweis Das Zielfeld ist immer ausgewählt.
maximum_number_inputs Zahl Gibt die maximale Anzahl an Eingabefeldern an, die beim Erstellen des Bayes-Netzes verwendet werden sollen.
calculate_variable_importance Markierung  
calculate_raw_propensities Markierung  
calculate_adjusted_propensities Markierung  
adjusted_propensity_partition Test Validation