vlastnosti discriminantnode

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.

Go back to the English version of the documentation

vlastnosti discriminantnode

Last updated: 04. 7. 2023

vlastnosti discriminantnode

Ikona diskriminujícího uzlu Diskriminační analýza je přísnějším předpokladem než logistická regrese, ale může být cennou alternativou nebo doplňkem k analýze logistické regrese, když jsou tyto předpoklady splněny.

Příklad

node = stream.create("discriminant", "My node")
node.setPropertyValue("target", "custcat")
node.setPropertyValue("use_partitioned_data", False)
node.setPropertyValue("method", "Stepwise")

Tabulka 1. vlastnosti discriminantnode
`discriminantnode` Vlastnosti	Hodnoty	Popis vlastnosti
`target`	pole	Modely diskriminování vyžadují jedno cílové pole a jedno nebo více vstupních polí. Pole Váha a frekvence se nepoužívají. Další informace naleznete v tématu Obecné vlastnosti uzlu modelování .
`method`	`Enter` `Stepwise`
`mode`	`Simple` `Expert`
`prior_probabilities`	`AllEqual` `ComputeFromSizes`
`covariance_matrix`	`WithinGroups` `SeparateGroups`
`means`	příznak	Volby statistiky v rámci vlastností uzlu v části Volby produktu Expert.
`univariate_anovas`	příznak
`box_m`	příznak
`within_group_covariance`	příznak
`within_groups_correlation`	příznak
`separate_groups_covariance`	příznak
`total_covariance`	příznak
`fishers`	příznak
`unstandardized`	příznak
`casewise_results`	příznak	Volby klasifikace ve vlastnostech uzlu v části Volby produktu Expert.
`limit_to_first`	Číslo	Předvolba je 10.
`summary_table`	příznak
`leave_one_classification`	příznak
`separate_groups_covariance`	příznak	Volba Matrices Oddělit-skupiny kovariance.
`territorial_map`	příznak
`combined_groups`	příznak	Volba zákresového grafu Kombinované skupiny.
`separate_groups`	příznak	Volba zakreslení Oddělené skupiny.
`summary_of_steps`	příznak
`F_pairwise`	příznak
`stepwise_method`	`WilksLambda` `UnexplainedVariance` `MahalanobisDistance` `SmallestF` `RaosV`
`V_to_enter`	Číslo
`criteria`	`UseValue` `UseProbability`
`F_value_entry`	Číslo	Výchozí hodnota je 3.84.
`F_value_removal`	Číslo	Výchozí hodnota je 2.71.
`probability_entry`	Číslo	Výchozí hodnota je 0.05.
`probability_removal`	Číslo	Výchozí hodnota je 0.10.
`calculate_variable_importance`	příznak
`calculate_raw_propensities`	příznak
`calculate_adjusted_propensities`	příznak
`adjusted_propensity_partition`	`Test` `Validation`