Translation not up to date
The translation of this page does not represent the latest version. For the latest updates, see the English version of the documentation.
Last updated: 04 lip 2023
W węźle sieci bayesowskiej (Bayes Net) można zbudować model prawdopodobieństwa, łącząc obserwowany i rejestrowany materiał dowodowy ze znajomością rzeczywistego świata w celu ustalenia prawdopodobieństwa wystąpienia zdarzeń. Węzeł koncentruje się na sieciach Tree Augmented Naïve Bayes (TAN) i Markov Blanket, używanych głównie podczas klasyfikacji.
Przykład
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")bayesnetnode Właściwości |
Wartości | Opis właściwości |
|---|---|---|
inputs |
[field1 ... fieldN] | Modele sieci bayesowskiej używają jednej zmiennej przewidywanej i co najmniej jednej zmiennej wejściowej. Zmienne ciągłe są automatycznie kategoryzowane. Więcej informacji można znaleźć w temacie Wspólne właściwości węzła modelowania . |
continue_training_existing_model |
Flaga | |
structure_type |
TAN MarkovBlanket |
Wybierz strukturę, która ma być używana przy budowaniu sieci bayesowskiej. |
use_feature_selection |
Flaga | |
parameter_learning_method |
Likelihood Bayes |
Określa metodą używaną do szacowania tabel prawdopodobieństwa warunkowego między węzłami, gdy wartości węzłów nadrzędnych nie są znane. |
mode |
Expert Simple |
|
missing_values |
Flaga | |
all_probabilities |
Flaga | |
independence |
Likelihood Pearson |
Określa metodę ustalania, czy pary obserwacji dwóch zmiennych są od siebie niezależne. |
significance_level |
Liczba | Określa wartość odcięcia używaną do określania niezależności. |
maximal_conditioning_set |
Liczba | Określa maksymalną liczbę zmiennych warunkujących, która ma być używana do testowania niezależności. |
inputs_always_selected |
[field1 ... fieldN] | Określa zmienne ze zbioru danych, które mają być zawsze używane przy budowaniu sieci bayesowskiej. Uwaga: Pole docelowe jest zawsze zaznaczone.
|
maximum_number_inputs |
Liczba | Określa maksymalną liczbę zmiennych wejściowych, które mają być używane przy budowaniu sieci bayesowskiej. |
calculate_variable_importance |
Flaga | |
calculate_raw_propensities |
Flaga | |
calculate_adjusted_propensities |
Flaga | |
adjusted_propensity_partition |
Test Validation |