Właściwości węzła 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

Właściwości węzła discriminantnode

Last updated: 04 lip 2023

Właściwości węzła discriminantnode

Ikona węzła dyskryminujący Analiza dyskryminacyjna sprawia, że założenia są bardziej rygorystyczne niż regresja logistyczna, ale mogą być cenną alternatywą lub uzupełnieniem analizy regresji logistycznej, gdy te założenia są spełnione.

Przykład

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

Tabela 1. właściwości węzła discriminantnode
Właściwości węzła `discriminantnode`	Wartości	Opis właściwości
`target`	field (pole)	Modele Analiza dyskryminacyjna wymagają jednej zmiennej przewidywanej i co najmniej jednej zmiennej wejściowej. Pola ważenia i częstotliwości nie są używane. Więcej informacji na ten temat zawiera sekcja Właściwości wspólnego węzła modelowania .
`method`	`Enter` `Stepwise`
`mode`	`Simple` `Expert`
`prior_probabilities`	`AllEqual` `ComputeFromSizes`
`covariance_matrix`	`WithinGroups` `SeparateGroups`
`means`	Flaga	Opcje statystyki we właściwościach węzła w sekcji Opcje zaawansowane.
`univariate_anovas`	Flaga
`box_m`	Flaga
`within_group_covariance`	Flaga
`within_groups_correlation`	Flaga
`separate_groups_covariance`	Flaga
`total_covariance`	Flaga
`fishers`	Flaga
`unstandardized`	Flaga
`casewise_results`	Flaga	Opcje klasyfikacji we właściwościach węzła w sekcji Opcje zaawansowane.
`limit_to_first`	Liczba	Wartość standardowa to 10.
`summary_table`	Flaga
`leave_one_classification`	Flaga
`separate_groups_covariance`	Flaga	Opcja macierzy Kowariancja odrębnych grup.
`territorial_map`	Flaga
`combined_groups`	Flaga	Opcja wykresu Połączone grupy.
`separate_groups`	Flaga	Opcja wykresu Osobne grupy.
`summary_of_steps`	Flaga
`F_pairwise`	Flaga
`stepwise_method`	`WilksLambda` `UnexplainedVariance` `MahalanobisDistance` `SmallestF` `RaosV`
`V_to_enter`	Liczba
`criteria`	`UseValue` `UseProbability`
`F_value_entry`	Liczba	Wartość domyślna to 3,84.
`F_value_removal`	Liczba	Wartość domyślna to 2,71.
`probability_entry`	Liczba	Wartość domyślna to 0,05.
`probability_removal`	Liczba	Wartość domyślna to 0,10.
`calculate_variable_importance`	Flaga
`calculate_raw_propensities`	Flaga
`calculate_adjusted_propensities`	Flaga
`adjusted_propensity_partition`	`Test` `Validation`