proprietà autoclassifiernode

Ultimo aggiornamento: 11 feb 2025

Icona nodo Classificatore automatico Il nodo Classificatore automatico crea e confronta svariati tipi di modelli per risultati binari (sì o no, abbandono oppure no e così via), consentendo di scegliere l'approccio migliore per una determinata analisi. Sono supportati numerosi algoritmi di modellazione ed è possibile selezionare i metodi da utilizzare, le opzioni specifiche per ognuno di essi e i criteri per confrontare i risultati. Il nodo genera un insieme di modelli basato sulle opzioni specificate e classifica i candidati migliori in base ai criteri indicati.

Esempio

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)

Tabella 1. proprietà autoclassifiernode
`autoclassifiernode` proprietà	Valori	Descrizione proprietà
`target`	campo	Per i campi obiettivo, il nodo Classificatore automatico richiede un solo campo obiettivo e uno o più campi di input. È inoltre possibile specificare i campi frequenza e peso. Per ulteriori informazioni, consultare Proprietà comuni del nodo Modelli .
`ranking_measure`	`Accuracy` `Area_under_curve` `Profit` `Lift` `Num_variables`
`ranking_dataset`	`Training` `Test`
`number_of_models`	intero	Numero dei modelli da includere nel nugget del modello. Specificare un numero intero compreso fra 1 e 100.
`calculate_variable_importance`	indicatore
`enable_accuracy_limit`	indicatore
`accuracy_limit`	intero	Numero intero compreso fra 0 e 100.
`enable_area_under_curve_limit`	indicatore
`area_under_curve_limit`	numero	Numero reale compreso tra 0.0 e 1.0.
`enable_profit_limit`	indicatore
`profit_limit`	numero	Numero intero maggiore di 0.
`enable_lift_limit`	indicatore
`lift_limit`	numero	Numero reale maggiore di 1.0.
`enable_number_of_variables_limit`	indicatore
`number_of_variables_limit`	numero	Numero intero maggiore di 0.
`use_fixed_cost`	indicatore
`fixed_cost`	numero	Numero reale maggiore di 0.0.
`variable_cost`	campo
`use_fixed_revenue`	indicatore
`fixed_revenue`	numero	Numero reale maggiore di 0.0.
`variable_revenue`	campo
`use_fixed_weight`	indicatore
`fixed_weight`	numero	Numero reale maggiore di 0,0.
`variable_weight`	campo
`lift_percentile`	numero	Numero intero compreso fra 0 e 100.
`enable_model_build_time_limit`	indicatore
`model_build_time_limit`	numero	Numero intero impostato sul numero di minuti per limitare il tempo impiegato per creare ogni singolo modello.
`enable_stop_after_time_limit`	indicatore
`stop_after_time_limit`	numero	Numero reale impostato sul numero di ore per limitare il tempo complessivo impiegato per l'esecuzione di un classificatore automatico.
`enable_stop_after_valid_model_produced`	indicatore
`use_costs`	indicatore
`<algorithm>`	indicatore	Abilita o disabilita l'utilizzo di un algoritmo specifico.
`<algorithm>.<property>`	Stringa	Imposta il valore di una proprietà di un algoritmo specifico. Per ulteriori informazioni, consultare Impostazione delle proprietà dell'algoritmo .
`use_cross_validation`	campo	I campi aggiunti a questo elenco possono acquisire il ruolo Condizione o Previsione dalle regole generate dal modello. Ciò viene determinato regola per regola, pertanto un campo potrebbe essere una condizione in una regola e una previsione in un'altra.
`number_of_folds`	intero	Parametro N ricorrenze per convalida incrociata, compreso tra 3 e 10.
`set_random_seed`	booleano	L'impostazione di un seed casuale consente di replicare le analisi. Specificare un intero o fare clic su Genera per creare un intero pseudocasuale compreso tra 1 e 2147483647 incluso. Per impostazione predefinita, le analisi vengono replicate con il seed 229176228.
`random_seed`	intero	Seed casuale
`stop_if_valid_model`	booleano
`filter_individual_model_output`	booleano	Elimina dall'output tutti i campi aggiuntivi generati dai singoli modelli che alimentano il nodo Insieme. Selezionare questa opzione se si è interessati solo al punteggio combinato da tutti i modelli di input. Assicurarsi che questa opzione sia deselezionata se, ad esempio, si desidera utilizzare un nodo Analisi o Valutazione per confrontare la precisione del punteggio combinato con quella di ciascuno dei singoli modelli di input
`set_ensemble_method`	`"Voting" "ConfidenceWeightedVoting" "HighestConfidence"`	Metodo dell'insieme per le destinazioni impostate.
`set_voting_tie_selection`	`"Random" "HighestConfidence"`	Se il voto è pari merito, selezionare il valore in modo casuale o utilizzando la massima confidenza.
`flag_ensemble_method`	`"Voting" "ConfidenceWeightedVoting" "RawPropensityWeightedVoting" "HighestConfidence" "AverageRawPropensity"`	Metodo dell'insieme per gli obiettivi flag.
`flag_voting_tie_selection`	`"Random" "HighestConfidence" "RawPropensity"`	Se il voto è pari merito, selezionare il valore in modo casuale, con la massima confidenza o con la propensione grezza.