Docs
...
kdemodel properties

Propiedades de kdemodel

Última actualización: 11 feb 2025
Propiedades de kdemodel

Icono de nodo de modelado KDELa estimación de densidad de kernel (KDE)© utiliza los algoritmos del árbol de métrica o del árbol KD para unas consultas eficientes y combina los conceptos de aprendizaje no supervisado, ingeniería de características y modelado de datos. Los enfoques basados en vecinos como, por ejemplo, KDE son algunas de las técnicas de estimación de densidad más populares y útiles. Los nodos Modelado KDE y Simulación KDE en SPSS Modeler exponen las características principales y los parámetros utilizados habitualmente de la biblioteca de KDE. Los nodos se implementan en Python.

Tabla 1. propiedades de kdemodel
Propiedades de kdemodel Tipo de datos Descripción de la propiedad
custom_fields 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 Lista de los nombres de campo para entrada.
bandwidth double El valor predeterminado es 1.
kernel serie El kernel a utilizar: gaussian, tophat, epanechnikov, exponential, linear o cosine. El valor predeterminado es gaussian.
algorithm serie El algoritmo de árbol que se debe utilizar: kd_tree, ball_tree o auto. El valor predeterminado es auto.
metric serie La métrica para utilizar al calcular distancias. Para el algoritmo de kd_tree, elija entre: Euclidean, Chebyshev, Cityblock, Minkowski, Manhattan, Infinity, P, L2 o L1. Para el algoritmo de ball_tree, elija entre: Euclidian, Braycurtis, Chebyshev, Canberra, Cityblock, Dice, Hamming, Infinity, Jaccard, L1, L2, Minkowski, Matching, Manhattan, P, Rogersanimoto, Russellrao, Sokalmichener, Sokalsneatho Kulsinski. El valor predeterminado es Euclidean.
atol Float La tolerancia absoluta deseada del resultado. Por regla general, una tolerancia mayor conducirá a una ejecución más rápida. El valor predeterminado es 0.0.
rtol Float La tolerancia relativa deseada del resultado. Por regla general, una tolerancia mayor conducirá a una ejecución más rápida. El valor predeterminado es 1E-8.
breadth_first Boolean Establézcalo en True para utilizar un enfoque de amplitud. Establézcalo en False para utilizar un enfoque de amplitud. El valor predeterminado es True.
leaf_size entero El tamaño de hoja del árbol subyacente. El valor predeterminado es 40. Cambiar este valor podría afectar de forma significativa al rendimiento.
p_value double Especifique el valor de P a utilizar si utiliza Minkowski para la métrica. El valor predeterminado es 1.5.
custom_name
default_node_name
use_HPO