autoclassifiernode, Eigenschaften

Letzte Aktualisierung: 11. Feb. 2025

Symbol für Knoten "Automatisches Klassifikationsmerkmal" Mit dem Knoten "Autom. Klassifikationsmerkmal" können Sie eine Reihe verschiedener Modelle für binäre Ergebnisse ("Ja" oder "Nein", "Abwanderung" oder "Keine Abwanderung" usw.) erstellen und vergleichen, um den besten Ansatz für die jeweilige Analyse auszuwählen. Es wird eine Reihe von Modellierungsalgorithmen unterstützt, sodass Sie die gewünschten Methoden, die spezifischen Optionen für die jeweilige Methode und die Kriterien zum Vergleich der Ergebnisse auswählen können. Der Knoten generiert eine Gruppe von Modellen, die auf den angegebenen Optionen beruhen, und erstellt anhand der von Ihnen angegebenen Kriterien eine Rangordnung der besten Kandidaten.

Beispiel

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)

Tabelle 1. autoclassifiernode, Eigenschaften
`autoclassifiernode`Eigenschaften	Werte	Eigenschaftsbeschreibung
`target`	Feld	Für Flagziele verlangt der Knoten "Automatisches Klassifikationsmerkmal" ein einzelnes Ziel und eines oder mehrere Eingabefelder. Außerdem können Gewichtungs- und Häufigkeitsfelder angegeben werden. Weitere Informationen finden Sie unter Allgemeine Eigenschaften von Modellierungsknoten .
`ranking_measure`	`Accuracy` `Area_under_curve` `Profit` `Lift` `Num_variables`
`ranking_dataset`	`Training` `Test`
`number_of_models`	Ganze Zahl	Anzahl der Modelle, die in das Modellnugget aufgenommen werden sollen. Geben Sie eine Ganzzahl zwischen 1 und 100 an.
`calculate_variable_importance`	Markierung
`enable_accuracy_limit`	Markierung
`accuracy_limit`	Ganze Zahl	Ganzzahl zwischen 0 und 100.
`enable_area_under_curve_limit`	Markierung
`area_under_curve_limit`	Zahl	Reelle Zahl zwischen 0,0 und 1,0.
`enable_profit_limit`	Markierung
`profit_limit`	Zahl	Ganzzahl größer als 0.
`enable_lift_limit`	Markierung
`lift_limit`	Zahl	Reelle Zahl größer als 1,0.
`enable_number_of_variables_limit`	Markierung
`number_of_variables_limit`	Zahl	Ganzzahl größer als 0.
`use_fixed_cost`	Markierung
`fixed_cost`	Zahl	Reelle Zahl größer 0.0.
`variable_cost`	Feld
`use_fixed_revenue`	Markierung
`fixed_revenue`	Zahl	Reelle Zahl größer 0.0.
`variable_revenue`	Feld
`use_fixed_weight`	Markierung
`fixed_weight`	Zahl	Reelle Zahl größer als 0,0
`variable_weight`	Feld
`lift_percentile`	Zahl	Ganzzahl zwischen 0 und 100.
`enable_model_build_time_limit`	Markierung
`model_build_time_limit`	Zahl	Ganzzahl für die Anzahl der Minuten, die maximal für die Erstellung jedes einzelnen Modells aufgewendet werden.
`enable_stop_after_time_limit`	Markierung
`stop_after_time_limit`	Zahl	Reelle Zahl für die Anzahl der Stunden, die als Obergrenze für die insgesamt verstrichene Zeit für den Durchlauf eines automatischen Klassifikationsmerkmals verwendet wird.
`enable_stop_after_valid_model_produced`	Markierung
`use_costs`	Markierung
`<algorithm>`	Markierung	Aktiviert oder inaktiviert die Verwendung eines bestimmten Algorithmus.
`<algorithm>.<property>`	Zeichenfolge	Legt einen Eigenschaftswert für einen bestimmten Algorithmus fest. Weitere Informationen finden Sie unter Algorithmuseigenschaften festlegen .
`use_cross_validation`	Feld	Felder, die dieser Liste hinzugefügt wurden, können entweder die Bedingungs- oder die Vorhersagerolle in Regeln übernehmen, die vom Modell generiert werden. Dies erfolgt regelweise, sodass ein Feld in einer Regel eine Bedingung und in einer anderen Regel eine Vorhersage sein könnte.
`number_of_folds`	Ganze Zahl	N-Fold-Parameter für Kreuzvalidierung mit einem Bereich von 3 bis 10.
`set_random_seed`	Boolesch	Durch Einstellen eines Startwerts für den Zufallsgenerator können Analysen reproduziert werden. Geben Sie eine ganze Zahl ein oder klicken Sie auf Generieren. Dadurch wird eine pseudozufällige Ganzzahl zwischen 1 und 2147483647 (einschließlich) erstellt. Standardmäßig werden Analysen mit dem Startwert 229176228 reproduziert.
`random_seed`	Ganze Zahl	Startwert für Zufallszahlen
`stop_if_valid_model`	Boolesch
`filter_individual_model_output`	Boolesch	Entfernt alle zusätzlichen Felder aus der Ausgabe, die von den einzelnen Modellen generiert wurden, die dem Ensembleknoten Daten zuführen. Wählen Sie diese Option aus, wenn Sie nur am kombinierten Score aller Eingabemodelle interessiert sind. Stellen Sie sicher, dass diese Option abgewählt ist, wenn Sie beispielsweise einen Analyseknoten oder einen Evaluierungsknoten verwenden möchten, um die Genauigkeit des kombinierten Scores mit dem der einzelnen Eingabemodelle zu vergleichen
`set_ensemble_method`	`"Voting" "ConfidenceWeightedVoting" "HighestConfidence"`	Ensemble-Methode für festgelegte Ziele.
`set_voting_tie_selection`	`"Random" "HighestConfidence"`	Wenn die Abstimmung gebunden ist, wählen Sie den Wert zufällig oder unter Verwendung der höchsten Konfidenz aus.
`flag_ensemble_method`	`"Voting" "ConfidenceWeightedVoting" "RawPropensityWeightedVoting" "HighestConfidence" "AverageRawPropensity"`	Ensemble-Methode für Flagziele.
`flag_voting_tie_selection`	`"Random" "HighestConfidence" "RawPropensity"`	Wenn die Abstimmung gebunden ist, wählen Sie den Wert zufällig, mit der höchsten Konfidenz oder mit Raw Propensity aus.