Docs
...
hdbscannode properties

Eigenschaften von "hdbscannode"

Letzte Aktualisierung: 11. Feb. 2025
Eigenschaften von "hdbscannode"

Symbol für HDBSCAN-KnotenHDBSCAN© (Hierarchical Density-Based Spatial Clustering) verwendet nicht überwachtes Lernen zum Suchen von Clustern (oder dicht besetzten Bereichen) eines Datasets. Der HDBSCAN-Knoten in SPSS Modeler stellt die zentralen Funktionen und häufig verwendeten Parameter der HDBSCAN-Bibliothek bereit. Der Knoten wird in Python implementiert und Sie können ihn verwenden, um Ihr Dataset in verschiedene Gruppen aufzuteilen, wenn Sie anfangs noch nicht wissen, was diese Gruppen enthalten.

Tabelle 1. hdbscannode, Eigenschaften
hdbscannodeEigenschaften Datentyp Eigenschaftsbeschreibung
custom_fields Boolesch Diese Option weist den Knoten an, die hier angegebenen Feldinformationen anstelle der in einem vorgeordneten Typknoten angegebenen zu verwenden. Geben Sie nach Auswahl dieser Option nach Bedarf die folgenden Felder an.
inputs Feld Eingabefelder für Clustering.
useHPO Boolesch Geben Sie true oder false an, um die Hyper-Parameter-Optimierung (HPO) auf der Basis von Rbfopt zu aktivieren oder zu inaktivieren, die automatisch die optimale Kombination von Parametern erkennt, sodass das Modell die erwartete oder niedrigere Fehlerrate in den Stichproben erreicht. Der Standardwert ist false.
min_cluster_size Ganze Zahl Die Mindestgröße von Clustern. Geben Sie eine Ganzzahl an. Der Standardwert ist 5.
min_samples Ganze Zahl Die Anzahl der Stichproben in einer Nachbarschaft für einen Punkt, der als zentraler Punkt betrachtet werden soll. Geben Sie eine Ganzzahl an. Wenn der Wert auf 0gesetzt ist, wird min_cluster_sizeverwendet. Der Standardwert ist 0.
algorithm Zeichenfolge Geben Sie an, welcher Algorithmus verwendet werden soll: best, generic, prims_kdtree, prims_balltree, boruvka_kdtreeoderboruvka_balltree. Der Standardwert ist best.
metric Zeichenfolge Geben Sie an, welche Metrik beim Berechnen der Distanz zwischen Instanzen in einem Feature-Array verwendet werden soll: euclidean, cityblock, L1, L2, manhattan, braycurtis, canberra, chebyshev, correlation, minkowskiodersqeuclidean. Der Standardwert ist euclidean.
useStringLabel Boolesch Geben Sie truean, um eine Zeichenfolge als Clusterbezeichnung zu verwenden, oder false, um eine Zahl als Clusterbezeichnung zu verwenden. Der Standardwert ist false.
stringLabelPrefix Zeichenfolge Wenn der Parameter useStringLabelauf truegesetzt ist, geben Sie einen Wert für das Präfix der Zeichenfolgebezeichnung an. Das Standardpräfix istcluster.
approx_min_span_tree Boolesch Geben Sie truean, um einen ungefähren minimalen Spanning Tree zu akzeptieren, oderfalse, wenn Sie bereit sind, Geschwindigkeit für Richtigkeit zu opfern. Der Standardwert ist true.
cluster_selection_method Zeichenfolge Geben Sie die Methode an, die zum Auswählen von Clustern aus dem komprimierten Baum verwendet werden soll: eomoderleaf. Der Standardwert ist eom(Überschuss des Massenalgorithmus).
allow_single_cluster Boolesch Geben Sie truean, wenn Sie Einzelclusterergebnisse zulassen möchten. Der Standardwert ist false.
p_value double Geben Sie den p value an, der verwendet werden soll, wenn Sie minkowski als Metrik verwenden. Der Standardwert ist 1.5.
leaf_size Ganze Zahl Wenn Sie einen Algorithmus für die Leerraumbaumstruktur (boruvka_kdtreeoderboruvka_balltree) verwenden, geben Sie die Anzahl der Punkte in einem Blattknoten der Baumstruktur an. Der Standardwert ist 40.
outputValidity Boolesch Geben Sie trueoder falsean, um zu steuern, ob das Gültigkeitsindexdiagramm in die Modellausgabe eingeschlossen wird.
outputCondensed Boolesch Geben Sie trueoder falsean, um zu steuern, ob das komprimierte Baumdiagramm in die Modellausgabe eingeschlossen wird.
outputSingleLinkage Boolesch Geben Sie trueoder falsean, um zu steuern, ob das Diagramm "Single Linkage Tree" in die Modellausgabe eingeschlossen wird.
outputMinSpan Boolesch Geben Sie trueoder falsean, um zu steuern, ob das Diagramm "Min. Span Tree" in die Modellausgabe eingeschlossen wird.
is_split