Docs
...
hdbscannode properties

propriétés hdbscannode

Dernière mise à jour : 12 févr. 2025
propriétés hdbscannode

Icône de noeud HDBSCANL'algorithme HDBSCAN (Hierarchical Density-Based Spatial Clustering)© utilise l'apprentissage non supervisé pour rechercher des clusters, ou des régions denses, d'un ensemble de données. Le noeud HDBSCAN dans SPSS Modeler expose les fonctions principales et les paramètres couramment utilisés de la bibliothèque HDBSCAN. Il est implémenté dans Python, et vous pouvez l'utiliser pour classer votre ensemble de données en groupes distincts lorsque vous ne savez pas quels étaient ces groupes au départ.

Tableau 1. propriétés de hdbscannode
hdbscannodepropriétés 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 Champs d'entrée pour le groupement.
useHPO Booléen Spécifiez true ou false pour activer ou désactiver l'optimisation HPO (Hyper-Parameter Optimization) basée sur Rbfopt, qui détecte automatiquement la combinaison optimale de paramètres afin que le modèle atteigne le taux d'erreur attendu ou inférieur sur les échantillons. La valeur par défaut est false.
min_cluster_size Integer Taille minimale des clusters. Spécifiez un entier. La valeur par défaut est 5.
min_samples Integer Nombre d'échantillons dans le voisinage pour qu'un point puisse être considéré comme un point central. Spécifiez un entier. Si la valeur est 0, min_cluster_size est utilisé. La valeur par défaut est 0.
algorithm chaîne Indiquez l'algorithme à utiliser: best, generic, prims_kdtree, prims_balltree, boruvka_kdtreeou boruvka_balltree. La valeur par défaut est best.
metric chaîne Indiquez la mesure à utiliser lors du calcul de la distance entre les instances d'un tableau de fonctions: euclidean, cityblock, L1, L2, manhattan, braycurtis, canberra, chebyshev, correlation, minkowskiou sqeuclidean. La valeur par défaut est euclidean.
useStringLabel Booléen Indiquez true pour utiliser un libellé de cluster de chaînes, ou false pour utiliser un libellé de cluster de nombres. La valeur par défaut est false.
stringLabelPrefix chaîne Si le paramètre useStringLabel est défini sur true, indiquez une valeur pour le préfixe de libellé de chaîne. Le préfixe par défaut est cluster.
approx_min_span_tree Booléen Indiquez true pour accepter une arborescence minimale approximative, ou false si vous êtes prêt à sacrifier la vitesse pour l'exactitude. La valeur par défaut est true.
cluster_selection_method chaîne Indiquez la méthode à utiliser pour la sélection des clusters à partir de l'arborescence condensée: eom ou leaf. La valeur par défaut est eom (Excédent de l'algorithme de masse).
allow_single_cluster Booléen Indiquez true si vous souhaitez autoriser les résultats de cluster unique. La valeur par défaut est false.
p_value doublon Indiquez p value à utiliser si vous utilisez minkowski pour la mesure. La valeur par défaut est 1.5.
leaf_size Integer Si vous utilisez un algorithme d'arborescence d'espace (boruvka_kdtreeou boruvka_balltree), indiquez le nombre de points dans un noeud terminal de l'arborescence. La valeur par défaut est 40.
outputValidity Booléen Indiquez true ou false pour contrôler si le graphique d'index de validité est inclus dans la sortie du modèle.
outputCondensed Booléen Indiquez true ou false pour contrôler si le graphique de l'arborescence condensée est inclus dans la sortie du modèle.
outputSingleLinkage Booléen Indiquez true ou false pour contrôler si l'arborescence de liens uniques est incluse dans la sortie du modèle.
outputMinSpan Booléen Spécifiez true ou false pour contrôler si le graphique de l'arborescence d'espacement minimal est inclus dans la sortie du modèle.
is_split