영어 버전 문서로 돌아가기discriminantnode 특성
discriminantnode 특성
마지막 업데이트 날짜: 2024년 10월 07일
판별 분석은 로지스틱 회귀분석보다 더 엄격한 가정을 하지만 이러한 가정이 충족될 때 로지스틱 회귀분석에 대한 중요한 대안이거나 보완이 될 수 있습니다.
예
node = stream.create("discriminant", "My node")
node.setPropertyValue("target", "custcat")
node.setPropertyValue("use_partitioned_data", False)
node.setPropertyValue("method", "Stepwise")discriminantnode 특성 |
값 | 특성 설명 |
|---|---|---|
target |
필드 | 판별 모델은 단일 대상 필드와 하나 이상의 입력 필드가 필요합니다. 가중치 및 빈도 필드는 사용되지 않습니다. 자세한 정보는 공통 모델링 노드 특성 을 참조하십시오. |
method |
Enter Stepwise |
|
mode |
Simple Expert |
|
prior_probabilities |
AllEqual ComputeFromSizes |
|
covariance_matrix |
WithinGroups SeparateGroups |
|
means |
플래그 | 고급 옵션의 노드 특성에 있는 통계 옵션입니다. |
univariate_anovas |
플래그 | |
box_m |
플래그 | |
within_group_covariance |
플래그 | |
within_groups_correlation |
플래그 | |
separate_groups_covariance |
플래그 | |
total_covariance |
플래그 | |
fishers |
플래그 | |
unstandardized |
플래그 | |
casewise_results |
플래그 | 고급 옵션 아래에 있는 노드 특성의 분류 옵션 |
limit_to_first |
Number | 기본값은 10입니다. |
summary_table |
플래그 | |
leave_one_classification |
플래그 | |
separate_groups_covariance |
플래그 | 행렬 옵션 개별-그룹 공분산 행렬. |
territorial_map |
플래그 | |
combined_groups |
플래그 | 도표 옵션 결합-그룹. |
separate_groups |
플래그 | 도표 옵션 개별-그룹. |
summary_of_steps |
플래그 | |
F_pairwise |
플래그 | |
stepwise_method |
WilksLambda UnexplainedVariance MahalanobisDistance SmallestF RaosV |
|
V_to_enter |
Number | |
criteria |
UseValue UseProbability |
|
F_value_entry |
Number | 기본값은 3.84입니다. |
F_value_removal |
Number | 기본값은 2.71입니다. |
probability_entry |
Number | 기본값은 0.05입니다. |
probability_removal |
Number | 기본값은 0.10입니다. |
calculate_variable_importance |
플래그 | |
calculate_raw_propensities |
플래그 | |
calculate_adjusted_propensities |
플래그 | |
adjusted_propensity_partition |
Test Validation |