Docs
...
hdbscannode properties

propiedades de hdbscannode

Última actualización: 11 feb 2025
propiedades de hdbscannode

Icono de nodo HDBSCANLa agrupación en clúster espacial basada en la densidad jerárquica (HDBSCAN)© utiliza el aprendizaje no supervisado para buscar clústeres, o regiones densas, de un conjunto de datos. El nodo HDBSCAN en SPSS Modeler expone las características principales y los parámetros utilizados habitualmente de la biblioteca HDBSCAN. El nodo se implementa en Python, y puede utilizarlo para agrupar en clúster el conjunto de datos en grupos distintos cuando no sabe que grupos son al principio.

Tabla 1. Propiedades de hdbscannode
Propiedades de hdbscannode Tipo de datos Descripción de la propiedad
campos_cliente Boolean Esta opción permite indicar al nodo que use la información de campo especificada aquí en lugar de la proporcionada en nodos Tipo situados en cualquier punto anterior de la ruta. Después de seleccionar esta opción, especifique los campos siguientes según sea necesario.
inputs campo Campos de entrada para la agrupación en clúster.
useHPO Boolean Especifique true o false para habilitar o inhabilitar HPO (Hyper-Parameter Optimization) basándose en Rbfopt, que descubre automáticamente la combinación óptima de parámetros para que el modelo alcance la tasa de error esperada o menor en las muestras. El valor predeterminado es false.
min_cluster_size entero El tamaño mínimo de clústeres. Especifique un entero. El valor predeterminado es 5.
min_samples entero El número de muestras en un vecindario para un punto que se va a considerar un punto central. Especifique un entero. Si se establece en 0, se utiliza min_cluster_size. El valor predeterminado es 0.
algorithm serie Especifique qué algoritmo utilizar: best, generic, prims_kdtree, prims_balltree, boruvka_kdtree o boruvka_balltree. El valor predeterminado es best.
metric serie Especifique qué métrica se debe utilizar al calcular la distancia entre instancias de una matriz de características: euclidean, cityblock, L1, L2, manhattan, braycurtis, canberra, chebyshev, correlation, minkowski o sqeuclidean. El valor predeterminado es euclidean.
useStringLabel Boolean Especifique true para utilizar una etiqueta de clúster de serie o false para utilizar una etiqueta de clúster de números. El valor predeterminado es false.
stringLabelPrefix serie Si el parámetro useStringLabel se establece en true, especifique un valor para el prefijo de etiqueta de serie. El prefijo predeterminado es cluster.
approx_min_span_tree Boolean Especifique true para aceptar un árbol de expansión mínimo aproximado, o false si está dispuesto a sacrificar la velocidad por la corrección. El valor predeterminado es true.
cluster_selection_method serie Especifique el método que se utilizará para seleccionar clústeres del árbol condensado: eom o leaf. El valor predeterminado es eom (Exceso de algoritmo de masa).
allow_single_cluster Boolean Especifique true si desea permitir los resultados de un único clúster. El valor predeterminado es false.
p_value double Especifique el p value que se utilizará si utiliza minkowski para la métrica. El valor predeterminado es 1.5.
leaf_size entero Si utiliza un algoritmo de árbol de espacio (boruvka_kdtree o boruvka_balltree), especifique el número de puntos en un nodo de hoja del árbol. El valor predeterminado es 40.
outputValidity Boolean Especifique true o false para controlar si el gráfico Índice de validez se incluye en la salida del modelo.
outputCondensed Boolean Especifique true o false para controlar si el gráfico Árbol condensado se incluye en la salida del modelo.
outputSingleLinkage Boolean Especifique true o false para controlar si el diagrama Árbol de enlace único se incluye en la salida del modelo.
outputMinSpan Boolean Especifique true o false para controlar si el gráfico Árbol mín de expansión se incluye en la salida del modelo.
is_split