Avec le noeud Réseau Bayésien (Bayes Net), vous pouvez créer un modèle de probabilité en combinant des preuves observées et enregistrées avec des connaissances du monde réel afin d'établir la probabilité d'occurrences. Le noeud est axé sur le Tree Augmented Naïve Bayes (TAN) et sur les réseaux Couverture de Markov qui servent principalement à la classification.
Les modèles de réseau Bayésien utilisent un seul champ cible et un ou plusieurs champs d'entrée. Les champs continus sont automatiquement mis en intervalles. Pour plus d'informations, voir la rubrique Propriétés de noeud de modélisation communes .
continue_training_existing_model
option
structure_type
TANMarkovBlanket
Sélectionne la structure à utiliser lors de la création du réseau Bayésien.
use_feature_selection
option
parameter_learning_method
LikelihoodBayes
Spécifie la méthode utilisée pour estimer les tableaux de probabilités conditionnelles entre les noeuds où les valeurs des parent sont connues.
mode
ExpertSimple
missing_values
option
all_probabilities
option
independence
LikelihoodPearson
Spécifie la méthode utilisée pour déterminer si des observations par paire sur deux variables sont indépendantes l'une de l'autre.
significance_level
number
Spécifie la valeur de césure permettant de déterminer l'indépendance.
maximal_conditioning_set
number
Définit le nombre maximum de variables de conditionnement à utiliser pour les essais d'indépendance.
inputs_always_selected
[field1 ... fieldN]
Spécifie les champs du de l'ensemble de données qui doivent toujours être utilisés lors de la création du réseau Bayésien.
Remarque: Le champ cible est toujours sélectionné.
maximum_number_inputs
number
Spécifie le nombre maximum de champs d'entrée à utiliser pour créer le réseau Bayésien.
À propos des cookies sur ce sitePour fonctionner correctement, nos sites Internet nécessitent certains cookies (requis). En outre, d'autres cookies peuvent être utilisés avec votre consentement pour analyser l'utilisation d'un site, améliorer l'expérience des utilisateurs et à des fins publicitaires.Pour plus informations, passez en revue vos options de préférences en préférences en matière de cookies. En visitant notre site Web, vous acceptez que nous traitions les informations comme décrit dans ladéclaration de confidentialité d’IBM.Pour faciliter la navigation, vos préférences en matière de cookie seront partagées dans les domaines Web d'IBM énumérés ici.