Docs
...
kdemodel properties

kdemodel のプロパティー

最終更新: 2025年2月12日
kdemodel のプロパティー

KDE モデル作成ノードのアイコンカーネル密度推定 (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。

表 1. kdemodel のプロパティー
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