propriétés de smotenode

Retourner à la version anglaise de la documentation

Dernière mise à jour : 04 oct. 2024

propriétés de smotenode

Icône de noeud SMOTE Le 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
`smotenode`propriétés	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 ratio correspond au 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`, `borderline1`ou `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`.