RapidMiner(ラピッドマイナー)はデータ可視化、データ加工、モデル作成、評価、運用まで一括サポートする機械学習プラットフォームです。KSKアナリティクスはRapidMinerの正規販売代理店です。

Performance (Attribute Count)

概要

この演算子は、入力ExampleSetの属性カウントを含むパフォーマンスベクトルを作成します。

詳細

これは非常に単純な演算子です。 ExampleSetを入力として受け取り、指定されたExampleSetの属性の数を含むパフォーマンスベクトルを返します。オプションで、パフォーマンスベクトルも入力として提供できます。その場合、「属性の数」の基準が特定のパフォーマンスベクトルに追加されます。

入力

  • サンプルセット (IOObject)この入力ポートには、ExampleSetが必要です。これは、添付のプロセス例のサブプロセス演算子の出力です。
  • パフォーマンス (パフォーマンスベクトル)このオプションのポートは、パフォーマンスのベクトルを想定しています。パフォーマンスベクトルは、パフォーマンス基準値のリストです。

出力

  • パフォーマンス(パフォーマンスベクトル)「属性の数」基準を含むパフォーマンスベクトルは、このポートを介して返されます。
  • サンプルセット(IOObject)入力として与えられたExampleSetは、このポートを介して出力を変更することなく渡されます。これは通常、別の演算子で同じExampleSetを再利用するため、または結果ワークスペースでExampleSetを表示するために使用されます。

パラメーター

  • optimize_directionこれはエキスパートパラメータです。フィットネスが最大または最小数のフィーチャに対して最大であるべきかどうかを示します。 範囲:選択

チュートリアルプロセス

「属性の数」基準を使用したパフォーマンスベクトルの生成

このプロセス例は、サブプロセス演算子で始まります。サブプロセスは、ExampleSetとパフォーマンスベクトルを提供します。 ExampleSetを見ることができるように、ブレークポイントがここに挿入されます。 ExampleSetには4つの通常の属性があることがわかります。このExampleSetは、パフォーマンス(属性カウント)演算子への入力として提供され、 ‘number of attributes’基準でパフォーマンスベクトルを返します。指定されたExampleSetには4つの属性があるため、「属性の数」基準の値は4です。ここで、Subprocessオペレーターの2番目の出力ポートをPerformance(Attribute Count)オペレーターのパフォーマンス入力ポートに接続します。プロセスを再度実行すると、「number of attributes」パラメーターが特定のパフォーマンスベクトルに追加されていることがわかります。

API認証に失敗しました メールまたはパスワードが正しくありません メールアドレスは必須です パスワードは必須です
キャンセル