vlastnosti svmnode | IBM watsonx

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.

Go back to the English version of the documentation

vlastnosti svmnode

Last updated: 04. 7. 2023

vlastnosti svmnode

Ikona uzlu virtuálního počítače Uzel Podpora vektorového počítače (SVM) vám umožňuje klasifikovat data do jedné ze dvou skupin bez nadstavby. Produkt SVM dobře pracuje se širokými datovými sadami, jako jsou například s velkým počtem vstupních polí.

Příklad

node = stream.create("svm", "My node")
# Expert tab
node.setPropertyValue("mode", "Expert")
node.setPropertyValue("all_probabilities", True)
node.setPropertyValue("kernel", "Polynomial")
node.setPropertyValue("gamma", 1.5)

Tabulka 1. vlastnosti svmnode
`svmnode` Vlastnosti	Hodnoty	Popis vlastnosti
`all_probabilities`	příznak
`stopping_criteria`	`1.0E-1` `1.0E-2` `1.0E-3` `1.0E-4` `1.0E-5` `1.0E-6`	Určuje, kdy má být zastaven algoritmus optimalizace.
`regularization`	Číslo	Známý také jako parametr C.
`precision`	Číslo	Použije se pouze, je-li úroveň měření cílového pole `Continuous`.
`kernel`	`RBF` `Polynomial` `Sigmoid` `Linear`	Typ funkce jádra použitá pro transformaci. Standardní hodnota je `RBF` .
`rbf_gamma`	Číslo	Používá se pouze, pokud `kernel` je `RBF`.
`gamma`	Číslo	Používá se pouze v případě, že `kernel` je `Polynomial` nebo `Sigmoid`.
`bias`	Číslo
`degree`	Číslo	Používá se pouze, pokud `kernel` je `Polynomial`.
`calculate_variable_importance`	příznak
`calculate_raw_propensities`	příznak
`calculate_adjusted_propensities`	příznak
`adjusted_propensity_partition`	`Test` `Validation`