Eigenschaften von "linearnode"

Letzte Aktualisierung: 11. Feb. 2025
Eigenschaften von "linearnode"

Symbol für linearen KnotenBei linearen Regressionsmodellen wird ein stetiges Ziel auf der Basis linearer Beziehungen zwischen dem Ziel und einem oder mehreren Prädiktoren vorhergesagt.

Beispiel

node = stream.create("linear", "My node")
# Build Options tab - Objectives panel
node.setPropertyValue("objective", "Standard")
# Build Options tab - Model Selection panel
node.setPropertyValue("model_selection", "BestSubsets")
node.setPropertyValue("criteria_best_subsets", "ASE")
# Build Options tab - Ensembles panel
node.setPropertyValue("combining_rule_categorical", "HighestMeanProbability")
Tabelle 1. linearnode, Eigenschaften
linearnodeEigenschaften Werte Eigenschaftsbeschreibung
target Feld Gibt ein einzelnes Zielfeld an.
inputs [field1 ... fieldN] Im Modell verwendete Prädiktorfelder.
continue_training_existing_model Markierung  
objective
Standard
Bagging
Boosting
psm
psmwird für sehr große Datasets verwendet und erfordert eine Serververbindung.
use_auto_data_preparation Markierung  
confidence_level Zahl  
model_selection
ForwardStepwise
BestSubsets
None
 
criteria_forward_stepwise
AICC
Fstatistics
AdjustedRSquare
ASE
 
probability_entry Zahl  
probability_removal Zahl  
use_max_effects Markierung  
max_effects Zahl  
use_max_steps Markierung  
max_steps Zahl  
criteria_best_subsets
AICC
AdjustedRSquare
ASE
 
combining_rule_continuous
Mean
Median
 
component_models_n Zahl  
use_random_seed Markierung  
random_seed Zahl  
use_custom_model_name Markierung  
custom_model_name Zeichenfolge  
use_custom_name Markierung  
custom_name Zeichenfolge  
tooltip Zeichenfolge  
keywords Zeichenfolge  
annotation Zeichenfolge  
perform_model_effect_tests Boolesch Führen Sie Modelleffekttests für jeden Regressionseffekt durch.
confidence_level double Dies ist das Konfidenzintervall, das zur Berechnung der Schätzungen der Modellkoeffizienten verwendet wird. Geben Sie einen Wert größer als 0 und kleiner als 100 ein. Der Standardwert ist 95.
probability_entry double Wenn die F-Statistik als Kriterium ausgewählt wird, wird bei jedem Schritt der Effekt, dessen kleinster p-Wert kleiner als der angegebene Schwellenwert ist, zum Modell hinzugefügt (einschließlich Effekte mit p-Werten kleiner als). Der Standardwert ist 0,05.
probability_removal double Alle Effekte im Modell, deren p-Wert größer als der angegebene Schwellenwert ist, werden entfernt (Effekte mit p-Werten größer als entfernen). Der Standardwert ist 0,10.