Docs
...
lsvmnode properties

propriétés de lsvmnode

Dernière mise à jour : 12 févr. 2025
propriétés de lsvmnode

Icône de noeud LSVMAvec le noeud LSVM (Linear Support Vector Machine), vous pouvez classer les données dans l'un des deux groupes sans surajustement. LSVM est linéaire et fonctionne bien avec les grands jeux de données, comme ceux qui disposent d'un très grand nombre d'enregistrements.

Tableau 1. Propriétés de lsvmnode
Propriétés lsvmnode Valeurs Description de la propriété
intercept option Comprend la constante dans le modèle. La valeur par défaut est True.
target_order Ascending Descending Indique l'ordre de tri de la cible catégorielle. Non pris en compte pour les cibles continues. La valeur par défaut est Ascending.
precision number Utilisé uniquement si le niveau de mesure du champ cible est Continuous. Indique le paramètre lié à la sensibilité de la perte pour la régression. La valeur minimale est 0 et il n'y a pas de maximum. La valeur par défaut est 0.1.
exclude_missing_values option Lorsque True, un enregistrement est exclu s'il manque une valeur unique. La valeur par défaut est False.
penalty_function L1 L2 Indique le type de fonction de pénalité utilisée. La valeur par défaut est L2.
lambda number Paramètre de pénalité (régularisation).
calculate_variable_importance option Pour les modèles qui produisent une mesure appropriée de l'importance, cette option affiche un graphique qui indique l'importance relative de chaque prédicteur dans l'estimation du modèle. Notez que le calcul de l'importance des variables peut prendre davantage de temps en particulier si vous travaillez sur des jeux de données volumineux, et si elle est par conséquent désactivée par défaut pour certains modèles. L'importance des variables n'est pas disponible pour des modèles de liste de décision.