Spuštění více toků

Nedoporučujeme spouštět více toků současně s použitím stejného jména uživatele pod jedním projektem. Pokud to musíte provést, ujistěte se, že limit paměti (8 GiB, při výchozím nastavení) není překročen. Je-li současně spuštěno příliš mnoho toků pod stejným uživatelským jménem a projektem, může produkt SPSS Modeler spustit nedostatek paměti a vrátit chybovou zprávu, jako např. Provedení bylo přerušeno. Pokud se setkáte s chybovou zprávou, postupujte takto:

• Čekání na dokončení jednoho nebo více toků toku
• Zavřete karty prohlížeče, které obsahují úspěšně dokončený průběh toku.
• Počkejte 15 minut.
• Klepněte na tlačítko Spustit na přerušeném toku, který vrátil chybu. Pokud používáte ukládání do mezipaměti v toku, vyprázdněte mezipaměť před klepnutím na tlačítko Spustit.

Nepojmenovaná pole v migrovaných proudech

# TO DO: run this script once after importing the stream into CP4D 
import modeler.api
stream = modeler.script.stream()

# map "COLUMN" to "field" for data sources without field names (csv without headers)
source_node = stream.findByID("...") # TO DO: provide ID of existing source node (csv file without headers)
filter_node = stream.findByID("...") # TO DO: provide ID of existing filter node (where field names are provided) 
new_node = stream.create("filter", 'new node') # creates new filter node between source and filter
stream.linkBetween(new_node, source_node, filter_node)

# change field names from "COLUMN1" to "field1" etc. 
for number in range(1,1000): # change max value if necessary
    old_name = 'COLUMN' + str(number)
    new_name = 'field' + str(number)
    new_node.setKeyedPropertyValue("new_name", old_name, new_name)

Uzly KDEName s nepodporovanou verzí Python

Pokud váš tok obsahuje starý uzel KDE, můžete při jeho spuštění obdržet chybu týkající se modelu pomocí balíku Python , který již není podporován. V takovém případě odstraňte starý uzel KDE a přidejte nový.

Rozdíly v tom, jak jsou obsluhovány oddělovače řádků bez oddělovačů řádků

Pokud v řádku záznamu dat není oddělovač, tento řádek bude vyřazen v produktu Cloud Pak for Data. Na pracovní ploše produktu SPSS Modeler se tyto řádky čtou jako prázdné hodnoty.

Hodnoty pro důležitost prediktoru se mohou lišit mezi toky SPSS Modeler a SPSS Modeler na pracovní ploše

Chcete-li se vyhnout nekonzistentním výsledkům na různých platformách, je použita nová metoda náhodného vzorkování k výpočtu důležitosti predikátu v produktu SPSS Modeler on Cloud Pak pro data. To způsobí, že se nové výsledky prediktivního významu liší od původních výsledků prediktivního významu v pracovní ploše produktu SPSS Modeler , pokud data nejsou jednotně distribuována. Náhodný výběr vzorku se spustí, když počet záznamů překročí 200. Pracovní plocha produktu SPSS Modeler bude upgradována v budoucí verzi tak, aby odpovídala výsledkům v produktu SPSS Modeler on Cloud Pak pro Data.

Je těžké poznat rozdíl mezi modely generovanými z analýzy textu

Když v produktu Text Analytics Workbench klepnete na volbu Generovat nový model, ve vašem toku se vytvoří nový model nugget. Pokud generujete více modelů, všechny mají stejný název, takže je může být obtížné odlišit. Jedním z doporučení je použít anotace k jejich identifikaci (poklepejte na model nugget a otevřete jeho vlastnosti, poté přejděte na volbu Anotace).

Některé vygenerované výsledky modelu se mohou lišit od předchozích verzí.

Počínaje verzí 4.6se generované modely pro některé algoritmy mohou lišit od předchozích verzí, protože určité nastavení je nyní přiřazeno dynamicky na základě počtu procesorů v implementovaném modulu. Například uzly KMeans-AS a uzly s náhodnou stromy mohou mít mírně odlišné generované výsledky modelu začínající na 4.6. Tato změna byla provedena k úplnému využití vašich kapacit v oblasti IT. Máte-li výkonnější běhové prostředí, například 8 procesorů, produkt SPSS Modeler zjistí další CPU a upraví nastavení tak, aby je využili.