0 / 0
Retourner à la version anglaise de la documentation
propriétés gmm
Dernière mise à jour : 04 oct. 2024
propriétés gmm

Icône Noeud Mélange gaussienUn modèle Gaussian Mixture© est un modèle probabiliste qui suppose que tous les points de données sont générés à partir d'un mélange d'un nombre fini de distributions gaussiennes avec des paramètres inconnus. On peut penser que les modèles de mélange comme généralisant le clustering k moyenne pour incorporer des informations sur la structure de covariance des données ainsi que les centres des distributions de Gauss latentes. Le noeud Gaussian Mixture de SPSS Modeler expose les fonctions de base et les paramètres couramment utilisés de la bibliothèque des mélanges gaussiens. Le noeud est mis en oeuvre en Python.

Tableau 1. propriétés gmm
gmmpropriétés Type de données Description de la propriété
custom_fields Booléen Cette option indique au noeud d'utiliser les informations du champ spécifiées ici, au lieu de celles fournies par un ou des noeuds Type en amont. Après avoir sélectionné cette option, spécifiez les zones suivantes, selon les besoins.
inputs Zone Liste des noms de champ pour l'entrée.
target Zone Un nom de champ pour la cible.
fast_build Booléen Utilisez plusieurs coeurs d'UC pour améliorer la création de modèles.
use_partition Booléen Établissez True ou False pour indiquer si les données partitionnées doivent être utilisées. La valeur par défaut est False.
covariance_type chaîne Indiquez Full, Tied, Diagou Spherical pour définir le type de covariance.
number_component Integer Indiquez un entier comme nombre de composants du mélange. La valeur minimale est 1. La valeur par défaut est 2.
component_lable Booléen Validez True pour définir le libellé du cluster sur une chaîne ou sur False pour définir le libellé du cluster sur un nombre. La valeur par défaut est False.
label_prefix chaîne Si vous utilisez un libellé de cluster de chaînes, vous pouvez spécifier un préfixe.
enable_random_seed Booléen Spécifiez True si vous souhaitez utiliser une valeur de départ aléatoire. La valeur par défaut est False.
random_seed Integer Si vous utilisez une valeur de départ aléatoire, spécifiez un entier à utiliser pour générer des échantillons aléatoires.
tol Double Indiquez le seuil de convergence. La valeur par défaut est 0.000.1.
max_iter Integer Indiquez le nombre maximal d'itérations à effectuer. La valeur par défaut est 100.
init_params chaîne Définissez le paramètre d'initialisation à utiliser. Les options sont Kmeans ou Random.
warm_start Booléen Spécifiez True pour utiliser la solution du dernier ajustement lors de l'initialisation du prochain appel d'ajustement. La valeur par défaut est False.
Recherche et réponse à l'IA générative
Ces réponses sont générées par un modèle de langue de grande taille dans watsonx.ai en fonction du contenu de la documentation du produit. En savoir plus