資料の 英語版 に戻るkdemodel のプロパティー
kdemodel のプロパティー
最終更新: 2024年10月04日
カーネル密度推定 (KDE)© は、Ball Tree または KD Tree のアルゴリズムを使用してクエリを効率化し、教師なし学習、特徴量エンジニアリング、データのモデル化の概念を結合します。 KDE などの近隣ベースの手法が、最もよく使用され、有用な密度推定手法です。 SPSS Modeler の KDE モデル作成ノードと KDE シミュレーション・ノードは、KDE ライブラリーのコア機能とよく使用されるパラメーターを公開します。 これらのノードは Python で実装されています。
kdemodelプロパティー |
データ・タイプ | プロパティーの説明 |
|---|---|---|
custom_fields |
ブール値 | このオプションは、ノードに対し、上流のデータ型ノードのフィールド情報ではなく、ここで指定するフィールド情報を使用するように指示します。 このオプションを選択した後、必要に応じて以下のフィールドを指定します。 |
inputs |
フィールド | 入力用のフィールド名のリスト。 |
bandwidth |
二重 | デフォルトは1です。 |
kernel |
string | 使用するカーネル:gaussian、tophat、epanechnikov、exponential、linear、またはcosine。 デフォルトはgaussianです。 |
algorithm |
string | 使用するツリー・アルゴリズム: kd_tree、ball_tree、またはauto。 デフォルトはautoです。 |
metric |
string | 距離を計算するときに使用するメトリック。 kd_treeアルゴリズムの場合は、Euclidean、Chebyshev、Cityblock、Minkowski、Manhattan、Infinity、P、L2、またはL1のいずれかを選択します。 ball_treeアルゴリズムの場合は、Euclidian、Braycurtis、Chebyshev、Canberra、Cityblock、Dice、Hamming、Infinity、Jaccard、L1、L2、Minkowski、Matching、Manhattan、P、Rogersanimoto、Russellrao、Sokalmichener、Sokalsneath、またはKulsinskiのいずれかを選択します。 デフォルトはEuclideanです。 |
atol |
浮動小数点 | 希望する結果の絶対許容度。 一般に、許容度を大きくすると、実行速度が上がります。 デフォルトは0.0です。 |
rtol |
浮動小数点 | 希望する結果の相対許容度。 一般に、許容度を大きくすると、実行速度が上がります。 デフォルトは1E-8です。 |
breadth_first |
ブール値 | 幅優先アプローチを使用するには、Trueに設定します。 深さ優先アプローチを使用するには、Falseに設定します。 デフォルトはTrueです。 |
leaf_size |
整数 | 基本となるツリーのリーフ サイズ。 デフォルトは40です。 この値を変更すると、パフォーマンスに大きな影響を与える可能性があります。 |
p_value |
二重 | メトリックにMinkowskiを使用している場合は、使用する P 値を指定します。 デフォルトは1.5です。 |
custom_name |
||
default_node_name |
||
use_HPO |