Proprietà linearnode | IBM Cloud Pak for Data as a Service

Torna alla versione inglese della documentazione

Proprietà linearnode

Ultimo aggiornamento: 07 ott 2024

Proprietà linearnode

Icona nodo lineare I modelli di regressione lineare prevedono un target continuo basato sulle relazioni lineari tra l'obiettivo e uno o più predittori.

Esempio

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")

Tabella 1. proprietà linearnode
Proprietà `linearnode`	Valori	Descrizione proprietà
`target`	campo	Specifica un singolo campo obiettivo.
`inputs`	[field1 ... fieldN]	I campi predittore utilizzati dal modello.
`continue_training_existing_model`	indicatore
`objective`	`Standard` `Bagging` `Boosting` `psm`	`psm` viene utilizzato per insiemi di dati di grandi dimensioni e richiede una connessione Server.
`use_auto_data_preparation`	indicatore
`confidence_level`	numero
`model_selection`	`ForwardStepwise` `BestSubsets` `None`
`criteria_forward_stepwise`	`AICC` `Fstatistics` `AdjustedRSquare` `ASE`
`probability_entry`	numero
`probability_removal`	numero
`use_max_effects`	indicatore
`max_effects`	numero
`use_max_steps`	indicatore
`max_steps`	numero
`criteria_best_subsets`	`AICC` `AdjustedRSquare` `ASE`
`combining_rule_continuous`	`Mean` `Median`
`component_models_n`	numero
`use_random_seed`	indicatore
`random_seed`	numero
`use_custom_model_name`	indicatore
`custom_model_name`	Stringa
`use_custom_name`	indicatore
`custom_name`	Stringa
`tooltip`	Stringa
`keywords`	Stringa
`annotation`	Stringa
`perform_model_effect_tests`	booleano	Eseguire test dell'effetto del modello per ciascun effetto di regressione.
`confidence_level`	doppio	L'intervallo di confidenza utilizzato per calcolare le stime per i coefficienti del modello. Specificare un valore maggiore di 0 e minore di 100. Il valore predefinito è 95.
`probability_entry`	doppio	Se si sceglie Statistiche F come criterio, a ogni fase viene aggiunto al modello l'effetto che ha il più piccolo valore P inferiore alla soglia specificata (includi effetti con valori P minori di). Il valore predefinito è 0.05.
`probability_removal`	doppio	Tutti gli effetti nel modello con un valore P maggiore della soglia specificata vengono rimossi (rimuovere gli effetti con valori P maggiori di). Il valore predefinito è 0.10.