propiedades de featureselectionnode | IBM Cloud Pak for Data as a Service

Volver a la versión inglesa de la documentación

propiedades de featureselectionnode

Última actualización: 07 oct 2024

propiedades de featureselectionnode

Icono de nodo Selección de característica El nodo Selección de características filtra los campos de entrada para su eliminación en función de un conjunto de criterios (como el porcentaje de valores perdidos); a continuación, clasifica el grado de importancia del resto de entradas de acuerdo con un objetivo específico. Por ejemplo, a partir de un conjunto de datos dado con cientos de entradas potenciales, ¿cuáles tienen mayor probabilidad de ser útiles para el modelado de resultados de pacientes?

Ejemplo

node = stream.create("featureselection", "My node")
node.setPropertyValue("screen_single_category", True)
node.setPropertyValue("max_single_category", 95)
node.setPropertyValue("screen_missing_values", True)
node.setPropertyValue("max_missing_values", 80)
node.setPropertyValue("criteria", "Likelihood")
node.setPropertyValue("unimportant_below", 0.8)
node.setPropertyValue("important_above", 0.9)
node.setPropertyValue("important_label", "Check Me Out!")
node.setPropertyValue("selection_mode", "TopN")
node.setPropertyValue("top_n", 15)

Tabla 1. Propiedades de featureselectionnode
Propiedades de `featureselectionnode`	Valores	Descripción de la propiedad
`target`	campo	Los modelos de selección de características ordenan predictores por rangos con respecto a su objetivo específico. Los campos de ponderación y frecuencia no se usan. Consulte Propiedades comunes del nodo de modelado para obtener más información.
`screen_single_category`	distintivo	Si `True`, filtra los campos que tienen demasiados registros en la misma categoría en relación con el número total de registros.
`max_single_category`	número	Especifica el umbral utilizado cuando `screen_single_category` es `True`.
`screen_missing_values`	distintivo	Si `True`, muestra los campos con demasiados valores perdidos, expresado como un porcentaje del número total de registros.
`max_missing_values`	número
`screen_num_categories`	distintivo	Si `True`, filtra los campos con demasiadas categorías en relación al número total de registros.
`max_num_categories`	número
`screen_std_dev`	distintivo	Si `True`, muestra los campos con una desviación estándar menor o igual que el mínimo especificado.
`min_std_dev`	número
`screen_coeff_of_var`	distintivo	Si `True`, muestra los campos con un coeficiente de varianza menor o igual al mínimo especificado.
`min_coeff_of_var`	número
`criteria`	`Pearson` `Likelihood` `CramersV` `Lambda`	Al clasificar los predictores categóricos en función de un objetivo categórico, especifica la medida en la que se basa el valor de importancia.
`unimportant_below`	número	Especifica los valores p de umbral utilizados para clasificar las variables como importantes, marginales o sin importancia. Acepta valores de 0,0 a 1,0.
`important_above`	número	Acepta valores de 0,0 a 1,0.
`unimportant_label`	serie	Especifica la etiqueta para la clasificación como 'Sin importancia'.
`marginal_label`	serie
`important_label`	serie
`selection_mode`	`ImportanceLevel` `ImportanceValue` `TopN`
`select_important`	distintivo	Cuando `selection_mode` se establece en `ImportanceLevel`, especifica si se deben seleccionar campos importantes.
`select_marginal`	distintivo	Cuando `selection_mode` se establece en `ImportanceLevel`, especifica si se deben seleccionar campos marginales.
`select_unimportant`	distintivo	Cuando `selection_mode` se establece en `ImportanceLevel`, especifica si se deben seleccionar campos sin importancia.
`importance_value`	número	Cuando `selection_mode` se establece en `ImportanceValue`, especifica el valor de corte que se debe utilizar. Acepta valores de 0 a 100.
`top_n`	entero	Cuando `selection_mode` se establece en `TopN`, especifica el valor de corte que se debe utilizar. Acepta valores de 0 a 1000.