Docs
...
neuralnetworknode properties

proprietà neuralnetworknode

Ultimo aggiornamento: 11 feb 2025
proprietà neuralnetworknode

Icona nodo Rete neuraleIl nodo Rete neurale utilizza un modello semplificato del modo in cui il cervello umano elabora le informazioni. Funziona simulando un elevato numero di semplici unità di elaborazione interconnesse che assomigliano a versioni astratte di neuroni. Le reti neurali sono potenti strumenti di valutazione delle funzioni generali e richiedono una conoscenza statistica o matematica minima per l'addestramento o l'applicazione.

Esempio

node = stream.create("neuralnetwork", "My node")
# Build Options tab - Objectives panel
node.setPropertyValue("objective", "Standard")
# Build Options tab - Ensembles panel
node.setPropertyValue("combining_rule_categorical", "HighestMeanProbability")
Tabella 1. proprietà neuralnetworknode
neuralnetworknode proprietà Valori Descrizione proprietà
targets [field1 ... fieldN] Specifica i campi obiettivo.
inputs [field1 ... fieldN] I campi predittore utilizzati dal modello.
splits [field1 ... fieldN Specifica il campo o i campi da usare per la creazione di modelli suddivisi.
use_partition indicatore Se è definito un campo partizione, questa opzione garantisce che per la creazione del modello verranno utilizzati solo i dati della partizione di addestramento.
continue indicatore Addestramento continuo modello esistente.
objective
Standard
Bagging
Boosting
psm
 psm viene utilizzato per insiemi di dati di grandi dimensioni e richiede una connessione Server.
method
MultilayerPerceptron
RadialBasisFunction
  
use_custom_layers indicatore  
first_layer_units numero  
second_layer_units numero  
use_max_time indicatore  
max_time numero  
use_max_cycles indicatore  
max_cycles numero  
use_min_accuracy indicatore  
min_accuracy numero  
combining_rule_categorical
Voting
HighestProbability
HighestMeanProbability
 
combining_rule_continuous
MeanMedian
  
component_models_n numero  
overfit_prevention_pct numero  
use_random_seed indicatore  
random_seed numero  
missing_values
listwiseDeletion
missingValueImputation
  
use_model_name booleano  
model_name Stringa  
confidence
onProbability
onIncrease
  
score_category_probabilities indicatore  
max_categories numero  
score_propensity indicatore  
use_custom_name indicatore  
custom_name Stringa  
tooltip Stringa  
keywords Stringa  
annotation Stringa  
calculate_variable_importance booleano Per i modelli che generano una misura appropriata dell'importanza è possibile visualizzare un grafico che indica l'importanza relativa di ogni predittore nella stima del modello. In genere, si consiglia di concentrare i propri sforzi di modellazione sui predittori che contano di più e di considerare la possibilità di eliminare o ignorare quelli che contano di meno.