Docs
...
autonumericnode properties

propiedades de autonumericnode

Última actualización: 12 feb 2025
propiedades de autonumericnode

Icono de nodo AutonuméricoEl nodo Autonumérico calcula y compara modelos para resultados de rango numérico continuo utilizando cierto número de métodos diferentes. El nodo funciona de la misma manera que el nodo Clasificador automático, lo que le permite seleccionar los algoritmos que desee utilizar y experimentar con varias combinaciones de opciones en una única pasada de modelado. Los algoritmos admitidos incluyen redes neuronales, C&RT, CHAID, regresión lineal, regresión lineal generalizada y máquinas de vectores de soporte (SVM). Los modelos se pueden comparar basándose en la correlación, el error relativo o el número de variables utilizado.

Ejemplo

node = stream.create("autonumeric", "My node")
node.setPropertyValue("ranking_measure", "Correlation")
node.setPropertyValue("ranking_dataset", "Training")
node.setPropertyValue("enable_correlation_limit", True)
node.setPropertyValue("correlation_limit", 0.8)
node.setPropertyValue("calculate_variable_importance", True)
node.setPropertyValue("neuralnetwork", True)
node.setPropertyValue("chaid", False)
Tabla 1. propiedades de autonumericnode
Propiedades de autonumericnode Valores Descripción de la propiedad
custom_fields distintivo Si es verdadero, se utilizará la configuración de campos personalizada en lugar de la configuración del nodo Tipo.
target campo El nodo Autonumérico requiere un único campo objetivo y uno o más campos de entrada. También se puede especificar campos de ponderación y frecuencia. Consulte Propiedades comunes del nodo de modelado para obtener más información.
inputs [field1 … field2]  
partition campo  
use_frequency distintivo  
frequency_field campo  
use_weight distintivo  
weight_field campo  
use_partitioned_data distintivo Si se define un campo de partición, sólo se utilizan los datos de entrenamiento para la creación de modelos.
ranking_measure Correlation NumberOfFields  
ranking_dataset Test Training  
number_of_models entero Número de modelos que se incluirán en el nugget de modelo. Especifique un entero entre 1 y 100.
calculate_variable_importance distintivo  
enable_correlation_limit distintivo  
correlation_limit entero  
enable_number_of_fields_limit distintivo  
number_of_fields_limit entero  
enable_relative_error_limit distintivo  
relative_error_limit entero  
enable_model_build_time_limit distintivo  
model_build_time_limit entero  
enable_stop_after_time_limit distintivo  
stop_after_time_limit entero  
stop_if_valid_model distintivo  
<algorithm> distintivo Activa o desactiva el uso de un determinado algoritmo.
<algorithm>.<property> serie Define un valor de propiedad para un algoritmo específico. Consulte Establecimiento de propiedades de algoritmo para obtener más información.
use_cross_validation Boolean En lugar de utilizar una sola partición, se utiliza una partición de validación cruzada.
number_of_folds entero El parámetro de número de subconjuntos para la validación cruzada, con el rango de 3 a 10.
set_random_seed Boolean Al establecer una semilla aleatoria podrá replicar análisis. Especifique un entero o pulse en Generar, lo que creará un entero pseudo-aleatorio entre 1 y 2147483647, ambos inclusive. De forma predeterminada, los análisis se replican con la semilla 229176228.
random_seed entero Semilla aleatoria
filter_individual_model_output Boolean Elimina los resultados de todos los campos adicionales que generan los modelos individuales que contiene el nodo Conjunto. Seleccione esta opción si sólo está interesado en la puntuación combinada de todos los modelos de entrada. Asegúrese de que esta opción no está seleccionada si, por ejemplo, desea utilizar un nodo Análisis o Evaluación para comparar la precisión de la puntuación combinada con la de cada uno de los modelos de entrada individuales.
calculate_standard_error Boolean Para un destino continuo (rango numérico), se ejecuta de forma predeterminada un cálculo de error estándar para calcular la diferencia entre los valores medidos o estimados y los valores reales; y para mostrar la exactitud de coincidencia de esas estimaciones.