資料の英語版に戻る

tcmnode プロパティー

最終更新: 2025年2月11日

tcmnode プロパティー

TCM ノード・アイコン時間的因果モデリングでは、時系列データの重要な因果関係の発見が試みられます。時間的因果モデリングでは、一連の対象系列を指定し、それらの対象系列に対する一連の入力候補を指定します。その後、プロシージャーは、各対象系列について自己回帰の時系列モデルを構築し、対象系列との重要な因果関係を持つ入力だけを取り込みます。

表 1. tcmnode プロパティー
`tcmnode`プロパティー	値	プロパティーの説明
`custom_fields`	ブール値
`dimensionlist`	[dimension1 ... dimensionN]
`data_struct`	`Multiple` `Single`
`metric_fields`	フィールド
`both_target_and_input`	[f1 ... fN]
`targets`	[f1 ... fN]
`candidate_inputs`	[f1 ... fN]
`forced_inputs`	[f1 ... fN]
`use_timestamp`	`Timestamp` `Period`
`input_interval`	`None` `Unknown` `Year` `Quarter` `Month` `Week` `Day` `Hour` `Hour_nonperiod` `Minute` `Minute_nonperiod` `Second` `Second_nonperiod`
`period_field`	string
`period_start_value`	整数
`num_days_per_week`	整数
`start_day_of_week`	`Sunday` `Monday` `Tuesday` `Wednesday` `Thursday` `Friday` `Saturday`
`num_hours_per_day`	整数
`start_hour_of_day`	整数
`timestamp_increments`	整数
`cyclic_increments`	整数
`cyclic_periods`	list
`output_interval`	`None` `Year` `Quarter` `Month` `Week` `Day` `Hour` `Minute` `Second`
`is_same_interval`	`Same` `Notsame`
`cross_hour`	ブール値
`aggregate_and_distribute`	list
`aggregate_default`	`Mean` `Sum` `Mode` `Min` `Max`
`distribute_default`	`Mean` `Sum`
`group_default`	`Mean` `Sum` `Mode` `Min` `Max`
`missing_imput`	`Linear_interp` `Series_mean` `K_mean` `K_meridian` `Linear_trend` `None`
`k_mean_param`	整数
`k_median_param`	整数
`missing_value_threshold`	整数
`conf_level`	整数
`max_num_predictor`	整数
`max_lag`	整数
`epsilon`	数値
`threshold`	整数
`is_re_est`	ブール値
`num_targets`	整数
`percent_targets`	整数
`fields_display`	list
`series_dispaly`	list
`network_graph_for_target`	ブール値
`sign_level_for_target`	数値
`fit_and_outlier_for_target`	ブール値
`sum_and_para_for_target`	ブール値
`impact_diag_for_target`	ブール値
`impact_diag_type_for_target`	`Effect` `Cause` `Both`
`impact_diag_level_for_target`	整数
`series_plot_for_target`	ブール値
`res_plot_for_target`	ブール値
`top_input_for_target`	ブール値
`forecast_table_for_target`	ブール値
`same_as_for_target`	ブール値
`network_graph_for_series`	ブール値
`sign_level_for_series`	数値
`fit_and_outlier_for_series`	ブール値
`sum_and_para_for_series`	ブール値
`impact_diagram_for_series`	ブール値
`impact_diagram_type_for_series`	`Effect` `Cause` `Both`
`impact_diagram_level_for_series`	整数
`series_plot_for_series`	ブール値
`residual_plot_for_series`	ブール値
`forecast_table_for_series`	ブール値
`outlier_root_cause_analysis`	ブール値
`causal_levels`	整数
`outlier_table`	`Interactive` `Pivot` `Both`
`rmsp_error`	ブール値
`bic`	ブール値
`r_square`	ブール値
`outliers_over_time`	ブール値
`series_transormation`	ブール値
`use_estimation_period`	ブール値
`estimation_period`	`Times` `Observation`
`observations`	list
`observations_type`	`Latest` `Earliest`
`observations_num`	整数
`observations_exclude`	整数
`extend_records_into_future`	ブール値
`forecastperiods`	整数
`max_num_distinct_values`	整数
`display_targets`	`FIXEDNUMBER` `PERCENTAGE`
`goodness_fit_measure`	`ROOTMEAN` `BIC` `RSQUARE`
`top_input_for_series`	ブール値
`aic`	ブール値
`rmse`	ブール値
`date_time_field`	フィールド	時刻/日付フィールド
`auto_detect_lag`	ブール値	この設定は、各対象のモデル内の各入力のラグ項目数を指定します。
`numoflags`	整数	デフォルトでは、ラグ項目数は分析に使用される時間間隔から自動的に決定されます。
`re_estimate`	ブール値	時間的因果モデルが既に生成されている場合、新規モデルを作成するのではなく、そのモデルに指定された基準設定を再利用するには、このオプションを選択します。
`display_targets`	`"FIXEDNUMBER"` `"PERCENTAGE"`	デフォルトでは、R2 乗の値によって決定される、上位 10 の最適合モデルに関連した対象の出力が表示されます。最適合モデルの別の固定数を指定することも、最適合モデルのパーセンテージを指定することもできます。

トピックは役に立ちましたか?

0/1000