Docs
...
smotenode properties

propriétés de smotenode

Dernière mise à jour : 11 févr. 2025
propriétés de smotenode

Icône de noeud SMOTELe noeud SMOTE (Minority Over-sampling Technique) fournit un algorithme de suréchantillonnage qui traite les jeux de données déséquilibrés. Il fournit également une méthode avancée d'équilibrage des données. Le noeud de traitement SMOTE de SPSS Modeler est mis en oeuvre dans Python et nécessite la bibliothèque imbalanced-learn© Python .

Tableau 1. propriétés de smotenode
smotenodepropriétés Type de données Description de la propriété
target Zone Champ cible.
sample_ratio chaîne Active une valeur de rapport personnalisée. Les deux options sont Auto (sample_ratio_auto) ou Set ratio (sample_ratio_manual).
sample_ratio_value Float Le rapport est le nombre d'échantillons dans la classe minoritaire sur le nombre d'échantillons dans la classe majoritaire. Il doit être supérieur à 0 et inférieur ou égal à 1. La valeur par défaut est auto.
enable_random_seed Booléen Si elle est définie sur true, la propriété random_seed est activée.
random_seed Integer Valeur de départ utilisée par le générateur de nombres aléatoires.
k_neighbours Integer Nombre de voisins les plus proches à utiliser pour la construction d'échantillons synthétiques. La valeur par défaut est 5.
m_neighbours Integer Le nombre de voisins les plus proches à utiliser pour déterminer si un échantillon minoritaire est en danger. Cette option est uniquement activée avec les types d'algorithme SMOTE borderline1 et borderline2. La valeur par défaut est 10.
algorithm chaîne Type de l'algorithme SMOTE: regular, borderline1ou borderline2.
use_partition Booléen Si la valeur est true, seules les données d'apprentissage seront utilisées pour la génération de modèles. La valeur par défaut est true.