Proprietà twostepAS | IBM Cloud Pak for Data as a Service

Torna alla versione inglese della documentazione

Proprietà twostepAS

Ultimo aggiornamento: 07 ott 2024

Proprietà twostepAS

Icona nodo Twostep-AS TwoStep Cluster è uno strumento di esplorazione progettato per rivelare raggruppamenti naturali (o cluster) all'interno di un dataset che altrimenti non sarebbe evidente. L'algoritmo utilizzato da questa procedura ha diverse caratteristiche desiderabili che lo differenziano dalle tecniche di clustering tradizionali, come la gestione di variabili categoriali e continue, la selezione automatica del numero di cluster e la scalabilità.

Tabella 1. proprietà twostepAS
Proprietà `twostepAS`	Valori	Descrizione proprietà
`inputs`	[f1 ... fN]	I modelli TwoStepAS utilizzano un elenco di campi di input, ma nessun campo obiettivo. I campi peso e frequenza non vengono riconosciuti.
`use_predefined_roles`	Booleano	Valore predefinito =`True`
`use_custom_field_assignments`	Booleano	Valore predefinito =`False`
`cluster_num_auto`	Booleano	Valore predefinito =`True`
`min_num_clusters`	intero	Valore predefinito =`2`
`max_num_clusters`	intero	Valore predefinito =`15`
`num_clusters`	intero	Valore predefinito =`5`
`clustering_criterion`	`AIC` `BIC`
`automatic_clustering_method`	`use_clustering_criterion_setting` `Distance_jump` `Minimum` `Maximum`
`feature_importance_method`	`use_clustering_criterion_setting` `effect_size`
`use_random_seed`	Booleano
`random_seed`	intero
`distance_measure`	`Euclidean` `Loglikelihood`
`include_outlier_clusters`	Booleano	Valore predefinito =`True`
`num_cases_in_feature_tree_leaf_is_less_than`	intero	Valore predefinito =`10`
`top_perc_outliers`	intero	Valore predefinito =`5`
`initial_dist_change_threshold`	intero	Valore predefinito =`0`
`leaf_node_maximum_branches`	intero	Valore predefinito =`8`
`non_leaf_node_maximum_branches`	intero	Valore predefinito =`8`
`max_tree_depth`	intero	Valore predefinito =`3`
`adjustment_weight_on_measurement_level`	intero	Valore predefinito =`6`
`memory_allocation_mb`	numero	Valore predefinito =`512`
`delayed_split`	Booleano	Valore predefinito =`True`
`fields_not_to_standardize`	[f1 ... fN]
`adaptive_feature_selection`	Booleano	Valore predefinito =`True`
`featureMisPercent`	intero	Valore predefinito =`70`
`coefRange`	numero	Valore predefinito =`0.05`
`percCasesSingleCategory`	intero	Valore predefinito =`95`
`numCases`	intero	Valore predefinito =`24`
`include_model_specifications`	Booleano	Valore predefinito =`True`
`include_record_summary`	Booleano	Valore predefinito =`True`
`include_field_transformations`	Booleano	Valore predefinito =`True`
`excluded_inputs`	Booleano	Valore predefinito =`True`
`evaluate_model_quality`	Booleano	Valore predefinito =`True`
`show_feature_importance bar chart`	Booleano	Valore predefinito =`True`
`show_feature_importance_ word_cloud`	Booleano	Valore predefinito =`True`
`show_outlier_clusters_interactive_table_and_chart`	Booleano	Valore predefinito =`True`
`show_outlier_clusters_pivot_table`	Booleano	Valore predefinito=True
`across_cluster_feature_importance`	Booleano	Valore predefinito =`True`
`across_cluster_profiles_pivot_table`	Booleano	Valore predefinito =`True`
`withinprofiles`	Booleano	Valore predefinito =`True`
`cluster_distances`	Booleano	Valore predefinito =`True`
`cluster_label`	`String` `Number`
`label_prefix`	`String`
`evaluation_maxNum`	intero	Il numero massimo di valori anomali da visualizzare nell'output. Se vi sono più di venti cluster con valori anomali, verrà visualizzata una tabella pivot.
`across_cluster_profiles_table_and_chart`	Booleano	Tabella e grafici dell'importanza della funzione e dei centri di cluster per ogni input (campo) utilizzato nella soluzione cluster. La selezione di diverse righe nella tabella consente di visualizzare un grafico differente. Per i campi categoriali viene visualizzato un grafico a barre. Per i campi continui, viene visualizzato un grafico delle deviazioni standard e medie.