ensemblenode, Eigenschaften

Letzte Aktualisierung: 11. Feb. 2025
ensemblenode, Eigenschaften

Symbol für EnsembleknotenDer Ensemble-Knoten kombiniert zwei oder mehr Modellnuggets, um genauere Vorhersagen zu erzielen, als aus einem dieser Modelle allein gewonnen werden können.

Beispiel

# Create and configure an Ensemble node 
node = stream.create("ensemble", "My node")
node.setPropertyValue("ensemble_target_field", "response")
node.setPropertyValue("filter_individual_model_output", False)
node.setPropertyValue("flag_ensemble_method", "ConfidenceWeightedVoting")
node.setPropertyValue("flag_voting_tie_selection", "HighestConfidence")
Tabelle 1. ensemblenode, Eigenschaften
ensemblenodeEigenschaften Datentyp Eigenschaftsbeschreibung
ensemble_target_field Feld Gibt das Zielfeld für alle im Ensemble verwendeten Modelle an.
filter_individual_model_output Markierung Gibt an, ob Scoring-Ergebnisse aus einzelnen Modellen unterdrückt werden sollen.
flag_ensemble_method Voting ConfidenceWeightedVoting RawPropensityWeightedVoting AdjustedPropensityWeightedVoting HighestConfidence AverageRawPropensity AverageAdjustedPropensity Gibt an, welche Methode für die Bestimmung des Ensemble-Score verwendet werden soll. Diese Einstellung gilt nur, wenn das ausgewählte Ziel ein Flagfeld ist.
set_ensemble_method Voting ConfidenceWeightedVoting HighestConfidence Gibt an, welche Methode für die Bestimmung des Ensemble-Score verwendet werden soll. Diese Einstellung gilt nur, wenn das ausgewählte Ziel ein nominales Feld ist.
flag_voting_tie_selection Random HighestConfidence RawPropensity AdjustedPropensity Wenn eine Voting-Methode ausgewählt ist, gibt diese Einstellung an, wie Gleichstände aufgelöst werden sollen. Diese Einstellung gilt nur, wenn das ausgewählte Ziel ein Flagfeld ist.
set_voting_tie_selection Random HighestConfidence Wenn eine Voting-Methode ausgewählt ist, gibt diese Einstellung an, wie Gleichstände aufgelöst werden sollen. Diese Einstellung gilt nur, wenn das ausgewählte Ziel ein nominales Feld ist.
calculate_standard_error Markierung Wenn das Zielfeld stetig ist, wird standardmäßig eine Standardfehlerberechnung durchgeführt, um den Unterschied zwischen den gemessenen oder geschätzten Werten und den wahren Werten zu berechnen sowie um zu zeigen, wie hoch die Übereinstimmung dieser Schätzungen war.