Docs
...
kdemodel properties

Eigenschaften von "kdemodel"

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

Symbol für KDE-ModellierungsknotenKernel Density Estimation (KDE) verwendet die Kugelbaum- oder KD-Baumalgorithmen für effiziente Abfragen und kombiniert Konzepte von unbeaufsichtigtem Lernen, Funktionsentwicklung und Datenmodellierung. Auf Nachbarn basierte Ansätze wie KDE sind einige der gängigsten und nützlichsten Dichteschätzungsverfahren. Die KDE-Modellierungs- und KDE-Simulationsknoten in SPSS Modeler stellen die zentralen Funktionen und häufig verwendeten Parameter der KDE-Bibliothek bereit. Die Knoten sind in Python implementiert.

Tabelle 1. kdemodel-Eigenschaften
kdemodelEigenschaften 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 Liste der Feldnamen für die Eingabe.
bandwidth double Der Standardwert ist 1.
kernel Zeichenfolge Der zu verwendende Kernel:gaussian, tophat, epanechnikov, exponential, linearodercosine. Der Standardwert ist gaussian.
algorithm Zeichenfolge Der zu verwendende Baumstrukturalgorithmus: kd_tree, ball_treeoderauto. Der Standardwert ist auto.
metric Zeichenfolge Die beim Berechnen des Abstands zu verwendende Metrik. Für den Algorithmus kd_tree stehen die folgenden Optionen zur Auswahl: Euclidean, Chebyshev, Cityblock, Minkowski, Manhattan, Infinity, P, L2oderL1. Für den Algorithmus ball_tree stehen folgende Optionen zur Auswahl: Euclidian, Braycurtis, Chebyshev, Canberra, Cityblock, Dice, Hamming, Infinity, Jaccard, L1, L2, Minkowski, Matching, Manhattan, P, Rogersanimoto, Russellrao, Sokalmichener, Sokalsneathoder Kulsinski. Der Standardwert ist Euclidean.
atol FLOAT Die gewünschte absolute Toleranz des Ergebnisses. Eine größere Toleranz führt in der Regel zu schnellerer Ausführung. Der Standardwert ist 0.0.
rtol FLOAT Die gewünschte relative Toleranz des Ergebnisses. Eine größere Toleranz führt in der Regel zu schnellerer Ausführung. Der Standardwert ist 1E-8.
breadth_first Boolesch Setzen Sie den Wert aufTrue, um einen Ansatz "Breite zuerst" zu verwenden. Setzen Sie diese Eigenschaft aufFalse, um einen Ansatz "Tiefe zuerst" zu verwenden. Der Standardwert ist True.
leaf_size Ganze Zahl Die Blattgröße der zugrunde liegenden Baums. Der Standardwert ist 40. Eine Änderung dieses Werts kann sich erheblich auf die Leistung auswirken.
p_value double Geben Sie den zu verwendenden P-Wert an, wenn Sie Minkowskifür die Metrik verwenden. Der Standardwert ist 1.5.
custom_name
default_node_name
use_HPO