właściwości węzła svmnode

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

właściwości węzła svmnode

Last updated: 04 lip 2023

właściwości węzła svmnode

Ikona węzła SVM Węzeł Algorytm SVM umożliwia szybką klasyfikację danych do jednej lub dwu grup bez przeuczenia. Algorytm SVM działa prawidłowo dla szerokiego zbioru danych, na przykład takiego o bardzo dużej liczbie zmiennych wejściowych.

Przykład

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)

Tabela 1. właściwości węzła svmnode
Właściwości węzła `svmnode`	Wartości	Opis właściwości
`all_probabilities`	Flaga
`stopping_criteria`	`1.0E-1` `1.0E-2` `1.0E-3` `1.0E-4` `1.0E-5` `1.0E-6`	Ta opcja określa moment zatrzymania algorytmu optymalizacji.
`regularization`	Liczba	Znana także jako parametr C.
`precision`	Liczba	Używana tylko wtedy, gdy poziomem pomiaru zmiennej przewidywanej jest `Continuous`.
`kernel`	`RBF` `Polynomial` `Sigmoid` `Linear`	Typ funkcji algorytmu używanego do przekształceń. Wartością domyślną jest `RBF` .
`rbf_gamma`	Liczba	Używana tylko wtedy, gdy `kernel` ma wartość `RBF`.
`gamma`	Liczba	Używana tylko wtedy, gdy `kernel` ma wartość `Polynomial` lub `Sigmoid`.
`bias`	Liczba
`degree`	Liczba	Używana tylko wtedy, gdy `kernel` ma wartość `Polynomial`.
`calculate_variable_importance`	Flaga
`calculate_raw_propensities`	Flaga
`calculate_adjusted_propensities`	Flaga
`adjusted_propensity_partition`	`Test` `Validation`