Docs
...
featureselectionnode properties

propriétés de featureselectionnode

Dernière mise à jour : 12 févr. 2025
propriétés de featureselectionnode

Icône du noeud Sélection de fonctionLe noeud Sélection de fonction filtre les champs d'entrée en vue de leur suppression, en fonction d'un ensemble de critères donné (tel que le pourcentage de valeurs manquantes) ; il classe ensuite les entrées restantes selon leur importance par rapport à la cible indiquée. Si l'on prend, par exemple, un de l'ensemble de données comportant des centaines d'entrées potentielles, quelles sont celles susceptibles d'être les plus utiles dans la modélisation des résultats de patients ?

Exemple

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)
Tableau 1. propriétés de featureselectionnode
Propriétés featureselectionnode Valeurs Description de la propriété
target Zone Les modèles Sélection de fonction classent les prédicteurs par rapport à la cible spécifiée. Les champs de pondération et de fréquence ne sont pas utilisés. Pour plus d'informations, voir Propriétés communes des noeuds de modélisation .
screen_single_category option Si True, filtre les champs contenant trop d'enregistrements qui tombent dans la même catégorie par rapport au nombre total d'enregistrements.
max_single_category number Indique le seuil utilisé lorsque screen_single_category est True.
screen_missing_values option Si True, filtre les champs contenant trop de valeurs manquantes, exprimées en pourcentage du nombre total d'enregistrements.
max_missing_values number  
screen_num_categories option Si True, filtre les champs contenant trop de catégories par rapport au nombre total d'enregistrements.
max_num_categories number  
screen_std_dev option Si True, filtre les champs dont l'écart type est inférieur ou égal au minimum spécifié.
min_std_dev number  
screen_coeff_of_var option Si True, filtre les champs dont le coefficient de variance est inférieur ou égal au minimum spécifié.
min_coeff_of_var number  
criteria Pearson Likelihood CramersV Lambda Lors du classement des prédicteurs indépendants par rapport à une cible catégorielle, indique la mesure sur laquelle est basée la valeur d'importance.
unimportant_below number Indique les valeurs p du seuil, utilisées pour classer les variables comme étant importantes, marginales ou non significatives. Accepte des valeurs de 0,0 à 1,0.
important_above number Accepte des valeurs de 0,0 à 1,0.
unimportant_label chaîne Indique le libellé du classement non significatif.
marginal_label chaîne  
important_label chaîne  
selection_mode ImportanceLevel ImportanceValue TopN  
select_important option Lorsque selection_mode est défini sur ImportanceLevel, indique si des champs importants doivent être sélectionnés.
select_marginal option Lorsque selection_mode est défini sur ImportanceLevel, indique si les champs marginaux doivent être sélectionnés.
select_unimportant option Lorsque selection_mode est défini sur ImportanceLevel, indique s'il faut sélectionner des champs sans importance.
importance_value number Lorsque selection_mode est défini sur ImportanceValue, indique la valeur limite à utiliser. Accepte des valeurs de 0 à 100.
top_n Integer Lorsque selection_mode est défini sur TopN, indique la valeur limite à utiliser. Accepte des valeurs de 0 à 1000.