Translation not up to date
Zaman serisi deneylerinde veri yükleme için kullanılan deney ayarları.
Veri yükleme yöntemleri
Bir veri kümesinde eksik değerler sağlamak için deney ayarlarında bu veri yükleme yöntemlerinden birini uygulayın.
Yükleme yöntemi | Açıklama |
---|---|
FlattenIterative | Zaman serisi verileri önce düzleştirilir, daha sonra eksik değerler Scikit-learn iterative imputer ile örülür. |
Doğrusal | Eksik değeri ifade etmek için doğrusal aradeğerleme yöntemi kullanılır. |
Kübik | Eksik değeri örtük olarak ifade etmek için kübik ara değerleme yöntemi kullanılır. |
Önceki | Eksik değer, önceki değerle örtük. |
İleri | Eksik değer, sonraki değerle örtük. |
Dolgu | Eksik değer, kullanıcı tarafından belirtilen değer ya da örnek ortalama ya da örnek medyan kullanılarak elde edilir. |
Giriş Ayarları
Bu komutlar, bir dizüstü bilgisayardaki zaman serisi deneyleri için veri somutlaşmasını desteklemek amacıyla kullanılır.
Ad | Açıklama | Değer | DefaultValue |
---|---|---|---|
kullan_yükleme | Yükleme açılmasını ya da kapanmasına ilişkin işaret. | Doğru ya da Yanlış | Doğru |
imputer_list | Aranacak öter adlarının (dizgilerin) listesi. Liste belirtilmezse, tüm varsayılan ötücüler aranır. Boş bir liste geçirilirse, tüm ötücüler aranır. | "FlattenIterative", "Doğrusal", "Kübik", "Önceki", "Doldur", "Sonraki" | "FlattenIterative", "Lineer", "Kübik", "Önceki" |
imputer_fill_type | "Dolgu" doldurucu kategorileri | "ortalama"/"medyan"/"değer" | "değer" |
imputer_fill_value | Tüm eksik değerler için doldurulacak tek bir sayısal değer. Yalnızca "imputer_fill_type" "value" olarak belirtildiğinde geçerlidir. "imputer_fill_type" için "ortalama" ya da "median" belirtilirse yoksayılır. | (Negatif Sonsuzluk, Pozitif Sonsuzluk) | 0 |
imputation_threshold | Yükleme eşiği. Eksik değer oranı, bir sütundaki eşikten büyük olmamalıdır. Tersi durumda bir hatayla sonuçlanır. | (0, 1) | 0.25 |
use_imputation kullanımı için notlar
use_imputation
yöntemiTrue
olarak belirtilirse ve giriş verilerinde eksik değerler varsa:imputation_threshold
geçerli olur.imputer_list
içindeki imputer adayları, en iyi imputer 'ı aramak için kullanılır.- En iyi örtük
Fill
,imputer_fill_type
veimputer_fill_value
uygulanırsa; tersi durumda yoksayılır.
use_imputation
yöntemiTrue
olarak belirtilirse ve giriş verilerinde eksik değerler yoksa:imputation_threshold
yoksayıldı.imputer_list
içindeki imputer adayları, en iyi imputer 'ı aramak için kullanılır. En iyi örtükFill
,imputer_fill_type
veimputer_fill_value
uygulanırsa; tersi durumda yoksayılır.
use_imputation
yöntemiFalse
olarak belirtilirse, ancak giriş verilerinde eksik değerler varsa:use_imputation
bir uyarıyla açıldıktan sonra, yöntem ilk senaryoya ilişkin davranışı izler.
use_imputation
yöntemiFalse
olarak belirtilirse ve giriş verilerinde eksik değer yoksa, başka işlem yapılması gerekmez.
Örneğin:
"pipelines": [
{
"id": "automl",
"runtime_ref": "hybrid",
"nodes": [
{
"id": "automl-ts",
"type": "execution_node",
"op": "kube",
"runtime_ref": "automl",
"parameters": {
"del_on_close": true,
"optimization": {
"target_columns": [2,3,4],
"timestamp_column": 1,
"use_imputation": true
}
}
}
]
}
]
Üst konu: AutoAI deneylerinde veri yükleme