Docs
...
featureselectionnode properties

proprietà featureselectionnode

Ultimo aggiornamento: 11 feb 2025
proprietà featureselectionnode

Icona nodo Selezione funzioniIl 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
featureselectionnode proprietà 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.