proprietà featureselectionnode | IBM Cloud Pak for Data as a Service

Torna alla versione inglese della documentazione

proprietà featureselectionnode

Ultimo aggiornamento: 07 ott 2024

proprietà featureselectionnode

Icona nodo Selezione funzioni Il nodo Selezione funzioni effettua lo screening dei campi di input, rimuovendoli in base a un insieme di criteri quali la percentuale di valori mancanti. Classifica quindi gli input restanti in ordine di importanza rispetto a un determinato obiettivo. Per esempio, dato un insieme di dati con centinaia di input potenziali, quali sono quelli con la maggiore probabilità di essere utili nella modellazione di risultati clinici?

Esempio

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)

Tabella 1. proprietà featureselectionnode
Proprietà `featureselectionnode`	Valori	Descrizione proprietà
`target`	campo	I modelli di selezione funzioni classificano i predittori rispetto all'obiettivo specificato. I campi peso e frequenza non sono utilizzati. Per ulteriori informazioni, consultare Proprietà comuni del nodo Modelli .
`screen_single_category`	indicatore	Se `True`, esegue lo screening dei campi che hanno troppi record che rientrano nella stessa categoria rispetto al numero totale di record.
`max_single_category`	numero	Specifica la soglia utilizzata quando `screen_single_category` è `True`.
`screen_missing_values`	indicatore	Se `True`, seleziona i campi con troppi valori mancanti, espressi come percentuale del numero totale di record.
`max_missing_values`	numero
`screen_num_categories`	indicatore	Se `True`, esegue lo screening dei campi con troppe categorie rispetto al numero totale di record.
`max_num_categories`	numero
`screen_std_dev`	indicatore	Se `True`, esegue lo screening dei campi con una deviazione standard inferiore o uguale al minimo specificato.
`min_std_dev`	numero
`screen_coeff_of_var`	indicatore	Se `True`, seleziona i campi con un coefficiente di varianza inferiore o uguale al minimo specificato.
`min_coeff_of_var`	numero
`criteria`	`Pearson` `Likelihood` `CramersV` `Lambda`	Quando si classificano i predittori categoriali rispetto a un obiettivo categoriale, specifica la misura sulla quale si basa il valore di importanza.
`unimportant_below`	numero	Specifica i valori p di soglia utilizzati per classificare variabili quali importante, marginale o non importante. Accetta i valori compresi fra 0.0 e 1.0.
`important_above`	numero	Accetta i valori compresi fra 0.0 e 1.0.
`unimportant_label`	Stringa	Specifica l'etichetta per la classificazione non importante.
`marginal_label`	Stringa
`important_label`	Stringa
`selection_mode`	`ImportanceLevel` `ImportanceValue` `TopN`
`select_important`	indicatore	Quando `selection_mode` è impostata su `ImportanceLevel`, specifica se selezionare i campi importanti.
`select_marginal`	indicatore	Quando `selection_mode` è impostata su `ImportanceLevel`, specifica se selezionare i campi marginali.
`select_unimportant`	indicatore	Quando `selection_mode` è impostata su `ImportanceLevel`, specifica se selezionare i campi non importanti.
`importance_value`	numero	Quando `selection_mode` è impostata su `ImportanceValue`, specifica il valore di interruzione da utilizzare. Accetta i valori compresi tra 0 e 100.
`top_n`	intero	Quando `selection_mode` è impostata su `TopN`, specifica il valore di interruzione da utilizzare. Accetta i valori compresi tra 0 e 1000.