Translation not up to date
The translation of this page does not represent the latest version. For the latest updates, see the English version of the documentation.
Last updated: 04 lip 2023
Jądrowy estymator gęstości — Kernel Density Estimation (KDE)© — używa algorytmów Ball Tree lub KD Tree do efektywnej obsługi zapytań i integruje techniki uczenia nienadzorowanego, generowania cech (feature engineering) i modelowania danych. Do najpopularniejszych i najbardziej użytecznych technik estymacji gęstości należą metody oparte na analizie sąsiedztwa, takie jak KDE. Węzły modelowania KDE i symulacji KDE w programie SPSS Modeler prezentują podstawowe funkcje i powszechnie używane parametry biblioteki KDE. Węzły są zaimplementowane w języku Python.
Właściwości kdemodel |
Typ danych | Opis właściwości |
|---|---|---|
custom_fields |
boolean (boolowskie) | Ta opcja stanowi dla węzła instrukcję o konieczności użycia informacji o zmiennej określonych w tym miejscu, a nie w żadnym wcześniejszym węźle Typy. Po wybraniu tej opcji należy określić następujące pola w zależności od potrzeb. |
inputs |
field (pole) | Lista nazw zmiennych dla wartości wejściowych. |
bandwidth |
double (podwójna) | Wartością domyślną jest 1. |
kernel |
łańcuch | Jądro, które ma być używane: gaussian, tophat,
epanechnikov, exponential, linear albo
cosine. Wartość domyślna to
gaussian. |
algorithm |
łańcuch | Algorytm drzewa, który ma być używany: kd_tree, ball_tree albo
auto. Wartością domyślną jest auto. |
metric |
łańcuch | Metryka, która ma być stosowana przy obliczaniu odległości. W przypadku algorytmu kd_tree do wyboru: Euclidean, Chebyshev, Cityblock,
Minkowski, Manhattan, Infinity,
P, L2 albo L1. W przypadku algorytmu ball_tree
do wyboru: Euclidian, Braycurtis,
Chebyshev, Canberra, Cityblock,
Dice, Hamming, Infinity,
Jaccard, L1, L2, Minkowski,
Matching, Manhattan, P,
Rogersanimoto, Russellrao, Sokalmichener,
Sokalsneath albo Kulsinski. Wartością domyślną jest
Euclidean. |
atol |
Liczba zmiennopozycyjna | Żądana tolerancja bezwzględna wyniku. Większa tolerancja z reguły przyspiesza wykonanie algorytmu. Wartością domyślną jest 0.0. |
rtol |
Liczba zmiennopozycyjna | Żądana tolerancja względna wyniku. Większa tolerancja z reguły przyspiesza wykonanie algorytmu. Wartością domyślną jest 1E-8. |
breadth_first |
boolean (boolowskie) | Ustaw wartość True, aby stosować metodę „najpierw szerokość”. Ustaw wartość False, aby stosować metodę „najpierw głębokość”. Wartością domyślną jest True. |
leaf_size |
liczba całkowita | Wielkość liścia podstawowego drzewa. Wartością domyślną jest 40. Zmiana tej wartości może istotnie wpłynąć na wydajność. |
p_value |
double (podwójna) | Określ Wartość P, która ma być używana z metryką Minkowski. Wartością domyślną jest 1.5. |
custom_name |
||
default_node_name |
||
use_HPO |