propriétés de kohonennode

Retourner à la version anglaise de la documentation

Dernière mise à jour : 04 oct. 2024

propriétés de kohonennode

Icône de noeud Kohonen Le noeud Kohonen génère un type de réseau de neurones qui peut être utilisé pour classer les données en groupes distincts. Lorsque l'apprentissage du réseau est terminé, les enregistrements similaires doivent être regroupés dans la connexion de sortie, tandis que les enregistrements différents sont à l'opposé. Vous pouvez étudier le nombre d'observations capturées par chaque unité du nugget de modèle afin d'identifier les unités fortes. Vous pouvez ainsi vous faire une idée du nombre de clusters approprié.

Exemple

node = stream.create("kohonen", "My node")
# "Model" tab
node.setPropertyValue("use_model_name", False)
node.setPropertyValue("model_name", "Symbolic Cluster")
node.setPropertyValue("stop_on", "Time")
node.setPropertyValue("time", 1)
node.setPropertyValue("set_random_seed", True)
node.setPropertyValue("random_seed", 12345)
node.setPropertyValue("optimize", "Speed")
# "Expert" tab
node.setPropertyValue("mode", "Expert")
node.setPropertyValue("width", 3)
node.setPropertyValue("length", 3)
node.setPropertyValue("decay_style", "Exponential")
node.setPropertyValue("phase1_neighborhood", 3)
node.setPropertyValue("phase1_eta", 0.5)
node.setPropertyValue("phase1_cycles", 10)
node.setPropertyValue("phase2_neighborhood", 1)
node.setPropertyValue("phase2_eta", 0.2)
node.setPropertyValue("phase2_cycles", 75)

Tableau 1. propriétés de kohonennode
Propriétés `kohonennode`	Valeurs	Description de la propriété
`inputs`	[field1 ... fieldN]	Les modèles Kohonen utilisent une liste de champs d'entrée, mais pas de cible. Les champs de fréquences et de pondération ne sont pas utilisés. Pour plus d'informations, voir Propriétés communes des noeuds de modélisation .
`continue`	option
`show_feedback`	option
`stop_on`	`Default` `Time`
`time`	number
`optimize`	`Speed` `Memory`	Permet d'indiquer si la création du modèle doit être optimisée en vitesse ou en mémoire.
`cluster_label`	option
`mode`	`Simple` `Expert`
`width`	number
`length`	number
`decay_style`	`Linear` `Exponential`
`phase1_neighborhood`	number
`phase1_eta`	number
`phase1_cycles`	number
`phase2_neighborhood`	number
`phase2_eta`	number
`phase2_cycles`	number
`set_random_seed`	Booléen	Si aucune valeur de départ aléatoire n'est définie, la séquence de valeurs aléatoires utilisée pour initialiser les pondérations du réseau sera différente chaque fois que le noeud est exécuté. Le noeud crée alors des modèles différents à chaque fois qu'il est exécuté, même si les paramètres du noeud et les valeurs des données restent inchangés. Lorsque vous sélectionnez cette option, vous pouvez définir la valeur de départ aléatoire de façon à ce que le modèle généré soit entièrement reproductible.
`random_seed`	Integer	Graine