Foire Aux Questions

570 questions trouvées.

Page 7 / 12

Le paramètre `minSupports` spécifie le nombre minimum de documents dans lesquels un terme doit apparaître pour être utilisé dans la création d'une règle. La valeur par défaut est 3....

Elle construit une table d'index pour l'auto-complétion (saisie semi-automatique) afin d'optimiser les requêtes....

Les paramètres obligatoires sont `index`, qui spécifie la table d'index d'entrée, et `casOut`, qui définit la table de sortie....

Le paramètre `index` spécifie la table d'index d'entrée qui contient les termes utilisés pour alimenter l'action `buildAutoComplete`....

Il faut utiliser le paramètre `casOut` pour définir la table CAS de sortie qui stockera la liste de termes pour l'auto-complétion....

L'action `buildAutoComplete` construit une table d'index de saisie semi-automatique (auto-complétion) pour les requêtes de saisie semi-automatique....

La table d'entrée requise, spécifiée par le paramètre `index`, est la table d'index utilisée pour alimenter l'action. La table de sortie requise, spécifiée par le paramètre `casOut`, est utilisée pour stocker la liste de termes générée....

Le paramètre `index` spécifie le nom de la table d'index d'entrée qui fournit les termes à l'action `buildAutoComplete`....

Le paramètre `casOut` spécifie le nom de la table de sortie où la liste de termes pour la saisie semi-automatique sera stockée....

Les paramètres obligatoires sont `index`, qui spécifie la table d'index d'entrée utilisée pour alimenter l'action en termes, et `casOut`, qui spécifie la table de sortie où la liste de termes pour la saisie semi-automatique sera stockée....

L'action `buildAutoComplete` fait partie de l'ensemble d'actions `Search Analytics`....

Un cas d'utilisation typique est de créer un index efficace pour des requêtes de saisie semi-automatique, comme détaillé dans la section 'Create Efficient Auto Complete Queries' de la documentation....

L'action `buildModel` est utilisée pour créer un modèle de Deep Learning vide....

Vous pouvez créer un modèle de type 'DNN' (Deep Neural Network), 'CNN' (Convolutional Neural Network), ou 'RNN' (Recurrent Neural Network)....

Le paramètre `modelTable` est obligatoire et spécifie la table en mémoire où le modèle sera stocké....

Si le paramètre `type` n'est pas spécifié, le type de modèle par défaut est 'DNN'....

Elle sert à construire des surfaces à partir d'images biomédicales en 3D....

Les paramètres obligatoires sont 'images' pour la table d'images d'entrée, 'outputFaces' pour la table de sortie contenant les faces de la surface, et 'outputVertices' pour la table de sortie contenant les sommets de la surface....

On peut utiliser soit le paramètre 'intensities' pour spécifier une liste de valeurs d'intensité exactes, soit le paramètre 'thresholds' pour définir une ou plusieurs plages avec des seuils 'low' (bas) et 'high' (haut)....

Oui, en utilisant le paramètre 'smoothing'. Il accepte deux sous-paramètres : 'iterations' pour le nombre maximal d'itérations de lissage et 'relaxationFactor' pour contrôler le degré de lissage à chaque itération....

La table 'outputVertices' contient les coordonnées (x, y, z) de chaque sommet qui compose la surface. La table 'outputFaces' définit comment ces sommets sont connectés pour former les faces (généralement des triangles) de la surface....

L'action `buildTermIndex` est utilisée pour créer une table d'index de termes pour les termes significatifs....

Les paramètres obligatoires sont `table`, qui spécifie la table d'index d'entrée, et `casOut`, qui spécifie la table de sortie pour stocker la liste de termes....

Le paramètre `language` spécifie la langue à utiliser pour le tokeniseur du champ d'index. Si non spécifié, la valeur par défaut est 'UNIVERSAL'....

Le paramètre `tokenize` est un booléen qui spécifie si le champ d'index doit être tokenisé. Sa valeur par défaut est FALSE....

En utilisant le paramètre optionnel `fields`, qui permet de fournir une liste de noms de champs spécifiques où la fréquence des termes doit être comptée....

L'action buildTermIndex crée une table d'index de termes pour les termes significatifs....

Les paramètres requis sont `casOut`, qui spécifie la table de sortie pour stocker la liste de termes, et `table`, qui spécifie la table d'index d'entrée....

Le paramètre `fields` spécifie une liste de champs où la fréquence des termes doit être comptée. C'est un paramètre optionnel....

Utilisez le paramètre `language` pour spécifier la langue à utiliser pour le tokenizer du champ d'index. La valeur par défaut est 'UNIVERSAL'....

Oui, l'alias pour le paramètre `table` est `index`....

La valeur par défaut du paramètre `tokenize`, qui spécifie si le champ d'index est tokenisé, est FALSE....

Elle fournit des méthodes agnostiques au modèle pour estimer les moyennes des résultats potentiels (potential outcome means) et les effets causals des traitements catégoriels....

Le paramètre 'method' permet de choisir la méthode d'estimation. Les options sont 'IPW' (pondération par probabilité inverse), 'REGADJ' (ajustement par régression), 'AIPW' (pondération par probabilité inverse augmentée), et 'TMLE' (estimation par maximum de vraisemblance ciblée)....

Le paramètre 'treatVar' est obligatoire pour spécifier la variable de traitement. Le paramètre 'outcomeVar' est également nécessaire pour définir la variable de résultat et son type ('CONTINUOUS', 'CATEGORICAL', 'BINOMIAL')....

Le paramètre 'pom' est obligatoire. Il faut y spécifier une liste où chaque élément définit un résultat potentiel avec le niveau de traitement correspondant via le sous-paramètre 'trtLev'....

Il faut définir le paramètre 'inference' sur TRUE. Par défaut, ce paramètre est à FALSE et aucune inférence statistique n'est calculée....

Pour la méthode 'AIPW', les paramètres 'pom' (avec 'trtProb') et 'outcomeModel' (avec 'restore' et 'predName') sont requis. Pour 'REGADJ', seul 'outcomeModel' est nécessaire. Pour 'IPW', seul 'pom' est requis....

On utilise le paramètre 'difference'. Il permet de spécifier une ou plusieurs comparaisons en définissant un niveau de référence ('refLev') et un ou plusieurs niveaux d'événement ('evtLev')....

L'action caEffect fournit des méthodes agnostiques au modèle pour estimer les moyennes des résultats potentiels (Potential Outcome Means - POMs) et les effets causals des traitements catégoriels....

L'action caEffect propose quatre méthodes d'estimation : 'AIPW' (Augmented Inverse Probability Weighting), 'IPW' (Inverse Probability Weighting), 'REGADJ' (Regression Adjustment), et 'TMLE' (Targeted Maximum Likelihood Estimation). 'AIPW' et 'TMLE' nécessitent les résultats observés, les probabi...

La variable de résultat est spécifiée via le paramètre 'outcomeVar'. Vous devez fournir son nom (sub-paramètre 'name') et son type ('type'), qui peut être 'CONTINUOUS', 'CATEGORICAL', ou 'BINOMIAL'. Pour les résultats catégoriels, vous pouvez spécifier le niveau d'événement avec 'event'. ...

La variable de traitement est définie avec le paramètre 'treatVar'. Le nom de la variable est obligatoire (sub-paramètre 'name'). Vous pouvez également spécifier un niveau de traitement conditionnel pour estimer les moyennes de résultats potentiels conditionnels en utilisant 'condEvent'....

Le paramètre 'pom' (Potential Outcome Means) est obligatoire et sert à spécifier les résultats potentiels à estimer. Pour chaque résultat potentiel, vous devez définir le niveau de traitement correspondant avec 'trtLev'. Selon la méthode choisie, vous devrez peut-être aussi fournir la varia...

Oui, en définissant le paramètre 'inference' sur 'TRUE', l'action calculera les erreurs-types et les intervalles de confiance pour les estimations des moyennes des résultats potentiels et des effets causals. Le niveau de significativité peut être ajusté avec le paramètre 'alpha'....

Elle calcule les taux d'erreur des caractères, des mots et des phrases en comparant les transcriptions d'hypothèse et de référence....

Les deux tables d'entrée obligatoires sont la table `reference`, qui contient les transcriptions de référence, et la table `table` (alias `hypothesis`), qui contient les transcriptions d'hypothèse....

Utilisez le paramètre `referenceText` pour indiquer le nom de la colonne dans la table de référence qui contient les séquences de mots réelles....

Utilisez le paramètre `tableText` (ou son alias `hypothesisText`) pour indiquer le nom de la colonne dans la table d'hypothèse qui contient les séquences de mots à évaluer....

Oui, vous pouvez utiliser les paramètres `referenceId` et `tableId` (alias `hypothesisId`) pour spécifier les noms des colonnes contenant les identifiants dans les tables de référence et d'hypothèse, respectivement....