Strumento Regressione logistica

Nome modello: inserisci un nome del modello per identificare il modello quando viene preso come riferimento in altri strumenti. I nomi di modello devono iniziare con una lettera e possono contenere lettere, numeri e i caratteri speciali punto (".") e carattere di sottolineatura ("_"). Non sono consentiti altri caratteri speciali e la R fa distinzione tra maiuscole e minuscole.

Seleziona la variabile target: seleziona i dati da stimare. Una variabile target è anche nota come variabile di risposta o dipendente.

Seleziona le variabili di previsione: seleziona i dati da utilizzare per influenzare il valore della variabile target. Una variabile di previsione è nota anche come caratteristica o variabile indipendente. Puoi selezionare un numero qualsiasi di variabili di previsione, ma la variabile target non deve essere anche una variabile di previsione. Le colonne contenenti identificatori univoci, come le chiavi primarie surrogate e le chiavi primarie naturali, non devono essere utilizzate nelle analisi statistiche. Non hanno alcun valore predittivo e possono causare eccezioni di runtime.

Use sampling weights in model estimation: Select a variable to determine the amount of importance to place on each record when creating a model estimation. Un campo è usato sia come predittore che come variabile di peso, quindi la variabile di peso apparirà nella chiamata del modello nell'output con la stringa "Right_" in posizione anteposta.

Use regularized regression: Select to balance the same minimization of sum of squared errors with a penalty term on the size of the coefficients and produce a simpler model.

Select model type: Select the type of model to use for predicting the target variable.

Use cross-validation to determine estimates of model quality: Select to perform cross-validation and obtain various model quality metrics and graphs. Some metrics and graphs will be displayed in the static R output, and others will be displayed in the interactive I output.

Numero di fold: specifica in quanti sottoinsiemi suddividere i dati. Tieni presente che un numero di fold più elevato determina stime della qualità del modello più affidabili, ma che un numero di piegature minore consente una più rapida esecuzione dello strumento.

Number of trials: Select the number of times to repeat the cross-validation procedure. The folds are selected differently in each trial, and the overall results are averaged across all the trials. Tieni presente che un numero di fold più elevato determina stime della qualità del modello più affidabili, ma che un numero di piegature minore consente una più rapida esecuzione dello strumento.

Enter positive class for target variable: Some of the measures reported by the tool in binary classification cases (such as true positive rate) require a positive class to be designated. To perform binary classification, type one of the two positive classes of the target variable. If left blank, one of the classes is automatically determined as the positive class. Questa opzione è disponibile solo con input multipli.

Use stratified cross-validation: Select so each fold has the same percentage of each class as is present in the entire dataset. Questa opzione è disponibile solo con input multipli.

Set seed: Select to ensure the reproducibility of cross-validation and select the value of the seed used to assign records to folds. Choosing the same seed each time the workflow is run guarantees that the same records will be in the same fold each time. Timestamp deve essere un numero intero positivo.

La risoluzione inferiore crea un file più piccolo ed è ideale per la visualizzazione su un monitor.

Una risoluzione più alta crea un file più grande con una migliore qualità di stampa.

Ancoraggio O: visualizza il nome del modello e le dimensioni dell'oggetto nella finestra Risultati.

Ancoraggio R: visualizza un report di riepilogo del modello che include un riepilogo e tutti i tracciati.

I (Interactive): Displays an interactive dashboard of supporting visuals that allows you to zoom, hover, and click.

Nome modello: è necessario assegnare un nome a ogni modello per poterlo identificare in futuro. È possibile inserire un nome o generarlo automaticamente. I nomi dei modelli devono iniziare con una lettera e possono contenere lettere, numeri e i caratteri speciali punto (".") e trattino basso ("_"). Non sono consentiti altri caratteri speciali e la R fa distinzione tra maiuscole e minuscole.

Seleziona la variabile target: seleziona il campo dal flusso di dati da stimare.

Seleziona le variabili predittive: scegli i campi dal flusso di dati che ritieni "essere la causa" delle variazioni nel valore della variabile target. Le colonne contenenti identificatori univoci, come le chiavi primarie surrogate e le chiavi primarie naturali, non devono essere utilizzate nelle analisi statistiche. Non hanno alcun valore predittivo e possono causare eccezioni di runtime.

Omit a model constant: Check this item if you want to omit a constant from the model. This should be done if there is an explicit reason for doing so.

Oracle specific options: This option allows for the configuration of additional options only relevant for the Oracle platform.

Usa pesi di campionamento per la valutazione del modello: fai clic sulla casella di controllo, quindi seleziona un campo del peso dal flusso di dati per stimare un modello che utilizza il peso di campionamento. Un campo è usato sia come predittore che come variabile di peso, quindi la variabile di peso apparirà nella chiamata del modello nell'output con la stringa "Right_" in posizione anteposta.

Teradata specific configuration: Microsoft Machine Learning Server needs additional configuration information about the specific Teradata platform to be used – in particular, the paths on the Teradata server to R's binary executables, and the location where temporary files that are used by Microsoft Machine Learning Server can be written. This information will need to be provided by a local Teradata administrator.

O anchor: Output. Ancoraggio O: visualizza il nome del modello e le dimensioni dell'oggetto nella finestra Risultati.

Ancoraggio R: report. Ancoraggio R: visualizza un report di riepilogo del modello che include un riepilogo e tutti i tracciati.