Właściwości węzła featureselectionnode

Translation not up to date

The translation of this page does not represent the latest version. For the latest updates, see the English version of the documentation.

Go back to the English version of the documentation

Właściwości węzła featureselectionnode

Last updated: 04 lip 2023

Właściwości węzła featureselectionnode

Ikona węzła wyboru składników Węzeł Dobór predyktorów przegląda zmienne wejściowe do usunięcia w oparciu o zbiór kryteriów (takich jak procent braków danych); następnie nadaje rangę istotności pozostałych danych wejściowych względem określonej zmiennej przewidywanej. Na przykład, jeśli mamy zbiór danych z setkami potencjalnych danych wejściowych, to które z nich z dużym prawdopodobieństwem okażą się użyteczne w modelowaniu wyników leczenia pacjenta?

Przykład

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)

Tabela 1. właściwości węzła featureselectionnode
Właściwości węzła `featureselectionnode`	Wartości	Opis właściwości
`target`	field (pole)	Modele Wybór predyktora określają rangi predyktorów względem określonej zmiennej przewidywanej. Zmienne wagi i częstości nie są używane. Więcej informacji na ten temat zawiera sekcja Właściwości wspólnego węzła modelowania .
`screen_single_category`	Flaga	Wartość `True` powoduje, że monitorowane są zmienne ze zbyt dużą liczbą rekordów należących do tej samej kategorii w odniesieniu do łącznej liczby rekordów.
`max_single_category`	Liczba	Określa próg używany, gdy `screen_single_category` ma wartość `True`.
`screen_missing_values`	Flaga	Wartość `True` powoduje, że monitorowane są zmienne ze zbyt dużą liczbą braków danych, wyrażoną jako procent łącznej liczby rekordów.
`max_missing_values`	Liczba
`screen_num_categories`	Flaga	Wartość `True` powoduje, że monitorowane są zmienne ze zbyt dużą liczbą kategorii w odniesieniu do łącznej liczby rekordów.
`max_num_categories`	Liczba
`screen_std_dev`	Flaga	Wartość `True` powoduje, że monitorowane są zmienne z odchyleniem standardowym nie większym od określonego minimum.
`min_std_dev`	Liczba
`screen_coeff_of_var`	Flaga	Wartość `True` powoduje, że monitorowane są zmienne ze współczynnikiem zmienności nie większym od określonego minimum.
`min_coeff_of_var`	Liczba
`criteria`	`Pearson` `Likelihood` `CramersV` `Lambda`	Przy określaniu rankingu predyktorów jakościowych względem przewidywanej zmiennej jakościowej określa pomiar będący podstawą do wyznaczania ważności.
`unimportant_below`	Liczba	Określa progowe wartości p używane do nadawania zmiennym rangi ważnych, brzegowych i nieważnych. Przyjmuje wartości z zakresu od 0,0 do 1,0.
`important_above`	Liczba	Przyjmuje wartości z zakresu od 0,0 do 1,0.
`unimportant_label`	łańcuch	Określa etykietę rangi "nieważne".
`marginal_label`	łańcuch
`important_label`	łańcuch
`selection_mode`	`ImportanceLevel` `ImportanceValue` `TopN`
`select_important`	Flaga	Gdy `selection_mode` ma wartość `ImportanceLevel`, określa, czy wybierać zmienne ważne
`select_marginal`	Flaga	Gdy `selection_mode` ma wartość `ImportanceLevel`, określa, czy wybierać zmienne brzegowe.
`select_unimportant`	Flaga	Gdy `selection_mode` ma wartość `ImportanceLevel`, określa, czy wybierać zmienne nieważne.
`importance_value`	Liczba	Gdy `selection_mode` ma wartość `ImportanceValue`, określa wartość odcięcia, która ma być używana. Przyjmuje wartości z zakresu od 0 do 100.
`top_n`	liczba całkowita	Gdy `selection_mode` ma wartość `TopN`, określa wartość odcięcia, która ma być używana. Przyjmuje wartości z zakresu od 0 do 1000.