資料の英語版に戻る

autoclassifiernode プロパティー

最終更新: 2025年2月11日

自動分類ノードのアイコン自動分類ノードは、2種類の結果 (yes/no、 churn/don't churn など) を生じる多くの異なるモデルを作成および比較し、与えられた分析への最善のアプローチを選ぶことができるようになります。多くのモデル作成アルゴリズムに対応し、希望する方法、各特定のオプション、そして結果を比較するための基準を選択することができます。このノードで、指定されたオプションに基づいてモデルのセットが生成され、指定された基準に基づいて最善の候補がランク付けされます。

例

node = stream.create("autoclassifier", "My node")
node.setPropertyValue("ranking_measure", "Accuracy")
node.setPropertyValue("ranking_dataset", "Training")
node.setPropertyValue("enable_accuracy_limit", True)
node.setPropertyValue("accuracy_limit", 0.9)
node.setPropertyValue("calculate_variable_importance", True)
node.setPropertyValue("use_costs", True)
node.setPropertyValue("svm", False)

表 1. autoclassifiernode プロパティー
`autoclassifiernode`プロパティー	値	プロパティーの説明
`target`	フィールド	フラグ型対照の場合、自動分類ノードは 1 つの対象フィールドおよび 1 つ以上の入力フィールドを使用します。重みフィールドおよび度数フィールドも指定することができます。詳しくは、モデル作成ノードの共通プロパティーを参照してください。
`ranking_measure`	`Accuracy` `Area_under_curve` `Profit` `Lift` `Num_variables`
`ranking_dataset`	`Training` `Test`
`number_of_models`	整数	モデル・ナゲットに含まれるモデルの数。 1 と 100の間の整数を指定します。
`calculate_variable_importance`	フラグ
`enable_accuracy_limit`	フラグ
`accuracy_limit`	整数	0 と 100 の間の整数です。
`enable_area_under_curve_limit`	フラグ
`area_under_curve_limit`	数値	0.0 と 1.0 の間の実数。
`enable_profit_limit`	フラグ
`profit_limit`	数値	1 以上の整数。
`enable_lift_limit`	フラグ
`lift_limit`	数値	1.0 を超える実数。
`enable_number_of_variables_limit`	フラグ
`number_of_variables_limit`	数値	1 以上の整数。
`use_fixed_cost`	フラグ
`fixed_cost`	数値	0.0 を超える実数。
`variable_cost`	フィールド
`use_fixed_revenue`	フラグ
`fixed_revenue`	数値	0.0 を超える実数。
`variable_revenue`	フィールド
`use_fixed_weight`	フラグ
`fixed_weight`	数値	0.0 を超える実数。
`variable_weight`	フィールド
`lift_percentile`	数値	0 と 100 の間の整数です。
`enable_model_build_time_limit`	フラグ
`model_build_time_limit`	数値	個々のモデルのそれぞれを構築するためにかかる時間を制限するために分数を設定する整数。
`enable_stop_after_time_limit`	フラグ
`stop_after_time_limit`	数値	自動分類の実行のための全体経過時間を制限するために時間数を設定する実数。
`enable_stop_after_valid_model_produced`	フラグ
`use_costs`	フラグ
`<algorithm>`	フラグ	特定のアルゴリズムの使用の有効、無効を切り替えます。
`<algorithm>.<property>`	string	特定のアルゴリズムのプロパティー値を設定します。詳しくは、アルゴリズム・プロパティーの設定を参照してください。
`use_cross_validation`	フィールド	このリストに追加されたフィールドは、モデルが生成したルールにおいて、条件または予測のいずれかの役割を取得します。これは、ルールに応じて異なります。したがって、フィールドは、ルールによっては、条件になる場合も予測になる場合もあります。
`number_of_folds`	整数	交差検証の分割数パラメーター (3 から 10 の範囲)。
`set_random_seed`	ブール値	ランダム・シードを設定すると、分析を再現することができます。整数を指定するか、「生成」をクリックします。「生成」をクリックすると、1 から 2147483647 までの整数の疑似乱数が作成されます。デフォルトでは、分析は、シード 229176228 で複製されます。
`random_seed`	整数	ランダムシード
`stop_if_valid_model`	ブール値
`filter_individual_model_output`	ブール値	アンサンブル・ノードに使用する個々のモデルで生成されたすべての追加フィールドを、出力から削除します。すべての入力モデルの結合スコアのみに関心がある場合は、このオプションを選択します。例えば、分析ノードまたは評価ノードを使用して、結合スコアの精度を個々の入力モデルの精度と比較する場合は、このオプションの選択を解除してください。
`set_ensemble_method`	`"Voting" "ConfidenceWeightedVoting" "HighestConfidence"`	セット型対象のアンサンブル方法です。
`set_voting_tie_selection`	`"Random" "HighestConfidence"`	投票が結合されている場合は、値をランダムに選択するか、最も高い信頼度を使用して選択します。
`flag_ensemble_method`	`"Voting" "ConfidenceWeightedVoting" "RawPropensityWeightedVoting" "HighestConfidence" "AverageRawPropensity"`	フラグ型対象のアンサンブル方法です。
`flag_voting_tie_selection`	`"Random" "HighestConfidence" "RawPropensity"`	投票が結合されている場合は、値をランダムに選択するか、信頼性が最も高いか、または傾向が未調整の値を選択します。

トピックは役に立ちましたか?

0/1000

例Copy link to section

例