영어 버전 문서로 돌아가기kdeexport 특성
kdeexport 특성
마지막 업데이트 날짜: 2024년 10월 07일
KDE(Kernel Density Estimation)©는 효과적인 쿼리를 위해
볼 트리 또는 KD 트리 알고리즘을 사용하며, 자율 학습, 기능 엔지니어링 및
데이터 모델링의 개념을 결합합니다. KDE와 같은 이웃 기반의 접근법은 가장 인기 있고 유용한 밀도 추정 기법의 일부입니다. SPSS Modeler의 KDE 모델링 및 KDE 시뮬레이션 노드는 KDE 라이브러리의 핵심 기능과 일반적으로 사용되는 매개변수를 표시합니다. 이 노드는 Python으로 구현됩니다.
kdeexport 특성 |
데이터 유형 | 특성 설명 |
|---|---|---|
custom_fields |
부울 | 이 옵션에서는 업스트림 유형 노드에 지정된 항목 대신, 여기에 지정된 필드 정보를 사용하도록 노드에 지시합니다. 이 옵션을 선택한 후 필요에 따라 필드를 지정하십시오. |
inputs |
필드 | 입력용 필드 이름 목록입니다. |
bandwidth |
이중 실선 | 기본값은 1입니다. |
kernel |
문자열 | 사용할 커널: gaussian 또는 tophat. 기본값은 gaussian입니다. |
algorithm |
문자열 | 사용할 트리 알고리즘: kd_tree, ball_tree 또는 auto. 기본값은 auto입니다. |
metric |
문자열 | 거리를 계산할 때 사용할 메트릭입니다. kd_tree 알고리즘의 경우, Euclidean, Chebyshev, Cityblock, Minkowski, Manhattan, Infinity, P, L2 또는 L1 중에서 선택하십시오. ball_tree 알고리즘의 경우, Euclidian, Braycurtis, Chebyshev, Canberra, Cityblock, Dice, Hamming, Infinity, Jaccard, L1, L2, Minkowski, Matching, Manhattan, P, Rogersanimoto, Russellrao, Sokalmichener, Sokalsneath 또는 Kulsinski 중에서 선택하십시오. 기본값은 Euclidean입니다. |
atol |
부동 | 결과의 원하는 절대 공차입니다. 일반적으로 공차가 클수록 실행이 빨라집니다. 기본값은 0.0입니다. |
rtol |
부동 | 결과의 원하는 상대 공차입니다. 일반적으로 공차가 클수록 실행이 빨라집니다. 기본값은 1E-8입니다. |
breadth_first |
부울 | 너비 첫 번째 접근 방식을 사용하려면 True(으)로 설정하십시오. 깊이 우선 접근 방식을 사용하려면 False(으)로 설정하십시오. 기본값은 True입니다. |
leaf_size |
정수 | 기반 트리의 리프 크기입니다. 기본값은 40입니다. 이 값을 변경하면 성능에 상당한 영향을 미칠 수
있습니다. |
p_value |
이중 실선 | 메트릭에 대해 Minkowski을(를) 사용하는 경우 사용할 P값을 지정하십시오. 기본값은 1.5입니다. |