tcmnode 특성 | IBM Cloud Pak for Data as a Service

영어 버전 문서로 돌아가기

tcmnode 특성

마지막 업데이트 날짜: 2024년 10월 07일

tcmnode 특성

TCM 노드 아이콘 시간 인과 모델링은 시계열 데이터에서 핵심 인과 관계를 검색하려고 시도합니다. 시간 인과 모델링에서 목표 계열 세트 및 해당 목표에 대한 후보 입력 세트를 지정합니다. 그런 다음 프로시저가 각 목표에 대한 자기회귀 시계열 모델을 작성하고 목표와 가장 중요한 인과 관계를 갖는 입력만 포함합니다.

표 1. tcmnode 특성
`tcmnode` 특성	값	특성 설명
`custom_fields`	부울
`dimensionlist`	[dimension1 ... dimensionN]
`data_struct`	`Multiple` `Single`
`metric_fields`	필드
`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`	문자열
`period_start_value`	정수
`num_days_per_week`	정수
`start_day_of_week`	`Sunday` `Monday` `Tuesday` `Wednesday` `Thursday` `Friday` `Saturday`
`num_hours_per_day`	정수
`start_hour_of_day`	정수
`timestamp_increments`	정수
`cyclic_increments`	정수
`cyclic_periods`	목록
`output_interval`	`None` `Year` `Quarter` `Month` `Week` `Day` `Hour` `Minute` `Second`
`is_same_interval`	`Same` `Notsame`
`cross_hour`	부울
`aggregate_and_distribute`	목록
`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`	정수
`k_median_param`	정수
`missing_value_threshold`	정수
`conf_level`	정수
`max_num_predictor`	정수
`max_lag`	정수
`epsilon`	Number
`threshold`	정수
`is_re_est`	부울
`num_targets`	정수
`percent_targets`	정수
`fields_display`	목록
`series_dispaly`	목록
`network_graph_for_target`	부울
`sign_level_for_target`	Number
`fit_and_outlier_for_target`	부울
`sum_and_para_for_target`	부울
`impact_diag_for_target`	부울
`impact_diag_type_for_target`	`Effect` `Cause` `Both`
`impact_diag_level_for_target`	정수
`series_plot_for_target`	부울
`res_plot_for_target`	부울
`top_input_for_target`	부울
`forecast_table_for_target`	부울
`same_as_for_target`	부울
`network_graph_for_series`	부울
`sign_level_for_series`	Number
`fit_and_outlier_for_series`	부울
`sum_and_para_for_series`	부울
`impact_diagram_for_series`	부울
`impact_diagram_type_for_series`	`Effect` `Cause` `Both`
`impact_diagram_level_for_series`	정수
`series_plot_for_series`	부울
`residual_plot_for_series`	부울
`forecast_table_for_series`	부울
`outlier_root_cause_analysis`	부울
`causal_levels`	정수
`outlier_table`	`Interactive` `Pivot` `Both`
`rmsp_error`	부울
`bic`	부울
`r_square`	부울
`outliers_over_time`	부울
`series_transormation`	부울
`use_estimation_period`	부울
`estimation_period`	`Times` `Observation`
`observations`	목록
`observations_type`	`Latest` `Earliest`
`observations_num`	정수
`observations_exclude`	정수
`extend_records_into_future`	부울
`forecastperiods`	정수
`max_num_distinct_values`	정수
`display_targets`	`FIXEDNUMBER` `PERCENTAGE`
`goodness_fit_measure`	`ROOTMEAN` `BIC` `RSQUARE`
`top_input_for_series`	부울
`aic`	부울
`rmse`	부울
`date_time_field`	필드	시간/날짜 필드
`auto_detect_lag`	부울	이 설정은 각 목표에 대한 모델에서 각 입력의 시차 항 수를 지정합니다.
`numoflags`	정수	기본적으로, 시차 항 수는 분석에서 사용되는 시간 구간에서 자동으로 결정됩니다.
`re_estimate`	부울	이미 시간 인과 모델을 생성한 경우, 새 모델을 작성하기 보다는 해당 모델에 대해 지정된 기준 설정을 재사용하려면 이 옵션을 선택하십시오.
`display_targets`	`"FIXEDNUMBER"` `"PERCENTAGE"`	기본적으로, R 제곱 값으로 판별되는 10개의 최적 적합 모델과 연관되는 목표에 대해 출력이 표시됩니다. 최적 적합 모델의 다른 고정 숫자를 지정하거나 최적 적합 모델의 백분율을 지정할 수 있습니다.