Volver a la versión inglesa de la documentaciónpropiedades de kdeexport
propiedades de kdeexport
Última actualización: 04 oct 2024
La estimación de densidad de kernel (KDE)© utiliza los algoritmos del árbol de métrica o del árbol KD para unas
consultas eficientes y combina los conceptos de aprendizaje no supervisado, ingeniería de características
y modelado de datos. Los enfoques basados en vecinos como, por ejemplo, KDE son algunas de las técnicas de estimación de densidad más populares y útiles. Los nodos Modelado KDE y Simulación KDE en SPSS Modeler exponen las características principales y los parámetros utilizados habitualmente de la biblioteca de KDE. Los nodos se implementan en Python.
Propiedades de kdeexport |
Tipo de datos | Descripción de la propiedad |
|---|---|---|
custom_fields |
Boolean | Esta opción permite indicar al nodo que use la información de campo especificada aquí en lugar de la proporcionada en nodos Tipo situados en cualquier punto anterior de la ruta. Después de seleccionar esta opción, especifique los campos según sea necesario. |
inputs |
campo | Lista de los nombres de campo para entrada. |
bandwidth |
doble | El valor predeterminado es 1. |
kernel |
serie | El kernel a utilizar: gaussian o tophat. El valor predeterminado es gaussian. |
algorithm |
serie | El algoritmo de árbol que se debe utilizar: kd_tree, ball_tree o auto. El valor predeterminado es auto. |
metric |
serie | La métrica para utilizar al calcular distancias. Para el algoritmo de kd_tree, elija entre: Euclidean, Chebyshev, Cityblock, Minkowski, Manhattan, Infinity, P, L2 o L1. Para el algoritmo de ball_tree, elija entre: Euclidian, Braycurtis, Chebyshev, Canberra, Cityblock, Dice, Hamming, Infinity, Jaccard, L1, L2, Minkowski, Matching, Manhattan, P, Rogersanimoto, Russellrao, Sokalmichener, Sokalsneatho Kulsinski. El valor predeterminado es Euclidean. |
atol |
Float | La tolerancia absoluta deseada del resultado. Por regla general, una tolerancia mayor conducirá a una ejecución más rápida. El valor predeterminado es 0.0. |
rtol |
Float | La tolerancia relativa deseada del resultado. Por regla general, una tolerancia mayor conducirá a una ejecución más rápida. El valor predeterminado es 1E-8. |
breadth_first |
Boolean | Establézcalo en True para utilizar un enfoque de amplitud. Establézcalo en False para utilizar un enfoque de amplitud. El valor predeterminado es True. |
leaf_size |
entero | El tamaño de hoja del árbol subyacente. El valor predeterminado es 40. Cambiar este valor podría afectar de forma significativa al rendimiento. |
p_value |
doble | Especifique el valor de P a utilizar si utiliza Minkowski para la métrica. El valor predeterminado es 1.5. |