Translation not up to date
The translation of this page does not represent the latest version. For the latest updates, see the English version of the documentation.
Last updated: 04 lip 2023
Węzeł Model odpowiedzi samonauczania (SLRM) umożliwia utworzenie modelu, w którym pojedyncza nowa obserwacja lub niewielka liczba nowych obserwacji może zostać użyta do ponownej oceny modelu bez konieczności ponownego uczenia modelu z wykorzystaniem wszystkich danych.
Przykład
node = stream.create("slrm", "My node")
node.setPropertyValue("target", "Offer")
node.setPropertyValue("target_response", "Response")
node.setPropertyValue("inputs", ["Cust_ID", "Age", "Ave_Bal"])Właściwości węzła slrmnode |
Wartości | Opis właściwości |
|---|---|---|
target |
field (pole) | Zmienna docelowa musi być zmienną nominalną lub typu flaga. Można też określić zmienną częstości. Więcej informacji na ten temat zawiera sekcja Właściwości wspólnego węzła modelowania . |
target_response |
field (pole) | Musi być typu flaga. |
continue_training_existing_model |
Flaga | |
target_field_values |
Flaga | Use all: użyj wszystkich wartości ze źródła. Specify: wybierz wymagane wartości. |
target_field_values_specify |
[field1 ... fieldN] | |
include_model_assessment |
Flaga | |
model_assessment_random_seed |
Liczba | Musi być liczbą rzeczywistą. |
model_assessment_sample_size |
Liczba | Musi być liczbą rzeczywistą. |
model_assessment_iterations |
Liczba | Liczba iteracji. |
display_model_evaluation |
Flaga | |
max_predictions |
Liczba | |
randomization |
Liczba | |
scoring_random_seed |
Liczba | |
sort |
Ascending Descending |
Określa, czy jako pierwsze będą wyświetlane oferty z najwyższym, czy z najniższym wynikiem. |
model_reliability |
Flaga | |
calculate_variable_importance |
Flaga |