neuralnetworknode プロパティー

資料の英語版に戻る

最終更新: 2024年10月04日

neuralnetworknode プロパティー

ニューラル・ネット・ノード・アイコンニューラル・ネット・ノードは、人間の脳が情報を処理する方法を単純化したモデルを使用します。ニューラル・ネットワーク・ノードは、連係する多数の単純な処理単位をシミュレートします。処理単位は、ニューロンを抽象化したものと表現できます。ニューラル・ネットワークは強力な一般関数推定法であり、学習させたり、適用するには、最低限の統計学および数学の知識しか必要ありません。

例

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")

表 1. neuralnetworknode プロパティー
`neuralnetworknode`プロパティー	値	プロパティーの説明
`targets`	[field1 ... fieldN]	対象フィールドを指定します。
`inputs`	[field1 ... fieldN]	モデルで使用される入力または入力または予測変数フィールド。
`splits`	[field1 ... fieldN	分割モデル作成に使用する、フィールドを選択します。
`use_partition`	フラグ	区分フィールドが定義される場合、このオプションは学習データ区分からのデータのみがモデル構築に使用されるようにします。
`continue`	フラグ	既存モデルの学習を継続 :
`objective`	`Standard` `Bagging` `Boosting` `psm`	`psm`は、非常に大きなデータ・セットに使用され、サーバー接続を必要とします。
`method`	`MultilayerPerceptron` `RadialBasisFunction`
`use_custom_layers`	フラグ
`first_layer_units`	数値
`second_layer_units`	数値
`use_max_time`	フラグ
`max_time`	数値
`use_max_cycles`	フラグ
`max_cycles`	数値
`use_min_accuracy`	フラグ
`min_accuracy`	数値
`combining_rule_categorical`	`Voting` `HighestProbability` `HighestMeanProbability`
`combining_rule_continuous`	`MeanMedian`
`component_models_n`	数値
`overfit_prevention_pct`	数値
`use_random_seed`	フラグ
`random_seed`	数値
`missing_values`	`listwiseDeletion` `missingValueImputation`
`use_model_name`	ブール値
`model_name`	string
`confidence`	`onProbability` `onIncrease`
`score_category_probabilities`	フラグ
`max_categories`	数値
`score_propensity`	フラグ
`use_custom_name`	フラグ
`custom_name`	string
`tooltip`	string
`keywords`	string
`annotation`	string
`calculate_variable_importance`	ブール値	重要度の適切な測定基準を作成するモデルの場合、モデル推定時に各予測値の相対重要度を示すグラフを表示することができます。通常は、最も重要な予測値にモデル作成の取り組みを集中させ、最も重要でない予測値を削除または無視することを検討します。