Propriétés de linearnode

Retourner à la version anglaise de la documentation

Dernière mise à jour : 04 oct. 2024

Propriétés de linearnode

Icône de noeud linéaire Les modèles de régression linéaire prédisent une cible continue en fonction de relations linéaires entre la cible et un ou plusieurs prédicteurs.

Exemple

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")

Tableau 1. propriétés de linearnode
Propriétés `linearnode`	Valeurs	Description de la propriété
`target`	Zone	Spécifie un champ cible unique.
`inputs`	[field1 ... fieldN]	Champs prédicteurs utilisés par le modèle.
`continue_training_existing_model`	option
`objective`	`Standard` `Bagging` `Boosting` `psm`	`psm` est utilisé pour les jeux de données très volumineux et nécessite une connexion serveur.
`use_auto_data_preparation`	option
`confidence_level`	number
`model_selection`	`ForwardStepwise` `BestSubsets` `None`
`criteria_forward_stepwise`	`AICC` `Fstatistics` `AdjustedRSquare` `ASE`
`probability_entry`	number
`probability_removal`	number
`use_max_effects`	option
`max_effects`	number
`use_max_steps`	option
`max_steps`	number
`criteria_best_subsets`	`AICC` `AdjustedRSquare` `ASE`
`combining_rule_continuous`	`Mean` `Median`
`component_models_n`	number
`use_random_seed`	option
`random_seed`	number
`use_custom_model_name`	option
`custom_model_name`	chaîne
`use_custom_name`	option
`custom_name`	chaîne
`tooltip`	chaîne
`keywords`	chaîne
`annotation`	chaîne
`perform_model_effect_tests`	Booléen	Effectuer des tests d'effet de modèle pour chaque effet de régression.
`confidence_level`	doublon	Il s'agit de l'intervalle de confiance utilisé pour calculer les estimations des coefficients du modèle. Spécifiez une valeur supérieure à 0 et inférieure à 100. La valeur par défaut est 95.
`probability_entry`	doublon	Si F Statistics est choisi comme critère, alors à chaque étape, l'effet dont la valeur p est inférieure au seuil spécifié est ajouté au modèle (inclure les effets avec des valeurs p inférieures à). La valeur par défaut est 0,05.
`probability_removal`	doublon	Tous les effets du modèle avec une valeur p supérieure au seuil spécifié sont supprimés (supprimer les effets avec des valeurs p supérieures à). La valeur par défaut est 0,10.