Retourner à la version anglaise de la documentationpropriétés de lsvmnode
propriétés de lsvmnode
Dernière mise à jour : 04 oct. 2024
Avec 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.
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. |