Erlernt ein Gaußsches Prozessregressionsmodell.
| Parameter | Beschreibung |
|---|---|
| applyRowOrder | Gibt an, dass die Aktion eine vorgegebene Zeilenreihenfolge verwendet. Dies erfordert die Verwendung der Parameter 'orderby' und 'groupby' in einem vorherigen Aufruf von 'table.partition'. |
| attributes | Ändert die Attribute von Variablen, die in dieser Aktion verwendet werden. Aktuell werden Attribute, die auf die Parameter 'inputs' und 'nominals' angewendet werden, ignoriert. |
| autoRelevanceDetermination | Wenn auf 'True' gesetzt, wird die automatische Relevanzbestimmung in der Kernel-Funktion verwendet. |
| display | Gibt eine Liste von Ergebnistabellen an, die zur Anzeige an den Client gesendet werden sollen. |
| fixInducingPoints | Wenn auf 'True' gesetzt, werden induzierende Punkte in der Optimierung fixiert. |
| fixKernelParmFirstIter | Wenn auf 'True' gesetzt, werden Kernel-Parameter in der ersten Iteration fixiert. |
| inputs | Gibt Variablen an, die für die Analyse verwendet werden sollen. |
| jitterMaxIters | Gibt die maximale Anzahl von Iterationen für die Jitter-Cholesky-Zerlegung an. |
| kernel | Gibt den Kernel-Funktionstyp für Gauß-Verteilungen im Gaußschen Prozessregressionsmodell an. |
| nInducingPoints | Gibt die Anzahl der induzierenden Punkte an. |
| nloOpts | Gibt die Optimierungsoptionen an. |
| outInducingPoints | Gibt die Ausgabetabelle an, in der der geschätzte Mittelwert und die Standardabweichung an den induzierenden Punkten gespeichert werden sollen. |
| output | Gibt die Ausgabetabelle an, in der die bewerteten Beobachtungen gespeichert werden sollen. |
| outputTables | Listet die Namen der Ergebnistabellen auf, die als CAS-Tabellen auf dem Server gespeichert werden sollen. |
| outVariationalCov | Gibt die Ausgabetabelle an, in der die geschätzte Kovarianzmatrix der Variationsverteilung an den induzierenden Punkten gespeichert werden soll. |
| partByFrac | Weist zufällig die angegebenen Proportionen der Beobachtungen in der Eingabetabelle Trainings- und Validierungsrollen zu. Beobachtungen werden logisch in disjunkte Teilmengen für das Modelltraining, die Validierung und das Testen partitioniert. |
| partByVar | Gibt die Variable in den Eingabedaten an, deren Werte verwendet werden, um jeder Beobachtung Rollen zuzuweisen. Beobachtungen werden logisch in disjunkte Teilmengen für das Modelltraining, die Validierung und das Testen partitioniert. |
| saveState | Gibt die Ausgabetabelle an, in der der Zustand der Gaußschen Prozessregression für zukünftige Bewertungen gespeichert werden soll. |
| seed | Gibt den Startwert für die Zufallszahlengenerierung bei der Initialisierung von Parametern und der Clusterbildung an. |
| table | Gibt die Einstellungen für eine Eingabetabelle an. |
| target | Gibt die Zielvariable an, die für die Analyse verwendet werden soll. |
| useSimpleInit | Wenn auf 'True' gesetzt, wird eine einfache Parameterinitialisierung für die Optimierung verwendet. |
Es gibt keine spezifische Sektion für die Datenvorbereitung in der bereitgestellten Dokumentation. Normalerweise werden die Daten für diese Aktion als CAS-Tabelle bereitgestellt, die die Input-Variablen und die Zielvariable enthält.
| 1 | /* Laden oder Erstellen Ihrer CAS-Tabelle hier */ |