Verwendet Bayes'sche Netzwerkmodelle zur Klassifizierung der Zielvariable.
| Parameter | Beschreibung |
|---|---|
| alpha | Gibt das Signifikanzniveau für Unabhängigkeitstests an, die Chi-Quadrat- oder G-Quadrat-Statistiken verwenden. Wenn Sie das beste Modell aus mehreren auswählen möchten, können Sie bis zu fünf Zahlen angeben, die durch Leerzeichen getrennt sind. Wenn Sie mehrere Zahlen angeben, aber den Wert True für den Parameter bestModel nicht angeben, verwendet die Aktion die erste Zahl und ignoriert die übrigen. |
| attributes | Ändert die Attribute der in dieser Aktion verwendeten Variablen. Derzeit werden auf den Parametern inputs und nominals angegebene Attribute ignoriert. |
| bestModel | Wenn auf True gesetzt, wird das beste Modell ausgewählt. |
| code | Gibt den SAS-Datenschritt-Code und zusätzliche Dateien an, die für das Scoring benötigt werden. |
| codeGroup | Code-Gruppe. |
| display | Gibt eine Liste von Ergebnistabellen an, die an den Client zur Anzeige gesendet werden sollen. |
| freq | Gibt die Häufigkeitsvariable an. |
| id | Gibt die Variablen an, die in die generierte Tabelle kopiert werden sollen. |
| indepTest | Gibt die Methode für Unabhängigkeitstests an. |
| inNetwork | Gibt den Namen der Eingabetabelle an, die die in das Netzwerk aufzunehmenden und auszuschließenden Links spezifiziert. |
| inputs | Gibt die für die Analyse zu verwendenden Variablen an. |
| maxParents | Gibt die maximale Anzahl von Eltern für jeden Knoten im Netzwerk an. Wenn Sie den Wert True für den Parameter bestModel angeben, versucht die Aktion alle Werte von 1 bis zum Wert dieses Parameters, um die beste Einstellung zu finden; andernfalls wird der angegebene Wert als maximale Anzahl von Eltern verwendet. |
| miAlpha | Gibt das Signifikanzniveau für Unabhängigkeitstests an, die die gegenseitige Information verwenden. |
| missingInt | Gibt an, wie fehlende Werte für Intervallvariablen behandelt werden sollen. |
| missingNom | Gibt an, wie fehlende Werte für nominale Variablen behandelt werden sollen. |
| nominals | Gibt die für die Analyse zu verwendenden nominalen Variablen an. |
| numBin | Gibt die Anzahl der Bins für Intervallvariablen an. |
| outNetwork | Gibt den Namen der Ausgabetabelle für die Netzwerkstruktur und die Wahrscheinlichkeitsverteilungen an. |
| output | Erstellt eine Ausgabetabelle, die die vorhergesagten Zielwerte der Eingabetabelle enthält. |
| outputTables | Listet die Namen der Ergebnistabellen auf, die als CAS-Tabellen auf dem Server gespeichert werden sollen. |
| parenting | Gibt die Strukturlernmethoden an. Wenn die Aktion zwischen den beiden Methoden wählen soll, können Sie sowohl BESTONE als auch BESTSET angeben und auch den Wert True für den Parameter bestModel angeben. Wenn Sie beide Methoden angeben, aber den Wert True für den Parameter bestModel nicht angeben, verwendet die Aktion die zuerst angegebene Methode und ignoriert die andere. |
| partByFrac | Partitioniert die Daten basierend auf einem Bruchteil für Training, Test und Validierung. |
| partByVar | Partitioniert die Daten basierend auf den Werten einer Variablen. |
| preScreening | Gibt das anfängliche Screening für die Eingabevariablen an. Wenn Sie möchten, dass die Aktion das beste Modell mit oder ohne Vorscreening auswählt, können Sie {"ZERO","ONE"} oder {"ONE","ZERO"} für den Parameter angeben und auch den Wert True für den Parameter bestModel angeben. Wenn Sie sowohl ONE als auch ZERO angeben, aber den Wert True für den Parameter bestModel nicht angeben, verwendet die Aktion den zuerst angegebenen Wert und ignoriert den anderen. |
| printtarget | Wenn auf True gesetzt, generiert Namen für die vorhergesagte Zielvariable und die vorhergesagten Wahrscheinlichkeitsvariablen. |
| resident | Keine Beschreibung in der Dokumentation gefunden. |
| saveState | Gibt die Tabelle an, in der das Modell für zukünftiges Scoring gespeichert werden soll. |
| structures | Gibt die Netzwerkstrukturtypen an. Zusammen mit dem Parameter maxParents bestimmt dieser Parameter, welche Netzwerkstruktur die Aktion aus den Trainingsdaten lernt. Wenn die Aktion die beste Struktur aus mehreren Strukturen auswählen soll, können Sie mehrere Werte in beliebiger Kombination, durch Leerzeichen getrennt, angeben und auch den Wert True für den Parameter bestModel angeben. Wenn Sie mehrere Strukturen angeben, aber den Wert True für den Parameter bestModel nicht angeben, wird der erste von Ihnen angegebene Wert verwendet und der Rest ignoriert. |
| table | Gibt die Einstellungen für eine Eingabetabelle an. |
| target | Gibt die für die Analyse zu verwendende Zielvariable an. |
| varSelect | Gibt an, wie Eingabevariablen über das Vorscreening hinaus ausgewählt werden. Wenn Sie den Wert "ONE", "TWO" oder "THREE" angeben, testet die Aktion automatisch jede Eingabevariable auf unbedingte Unabhängigkeit vom Ziel, unabhängig vom Wert des preScreening-Parameters. Wenn auf einer bestimmten Variablenauswahlebene keine Variablen übrig bleiben, kehrt die Aktion zur vorherigen Ebene zurück. Wenn Sie beispielsweise "THREE" angeben und sich keine Variablen in der Markov-Decke des Ziels befinden, verwendet die Aktion die Variablen aus der vorherigen Ebene "TWO". Wenn Sie das beste Modell aus verschiedenen Ebenen der Variablenauswahl auswählen möchten, können Sie eine beliebige Kombination von Werten für diesen Parameter angeben und auch den Wert True für den Parameter bestModel angeben. Wenn Sie mehrere Werte für den varSelect-Parameter angeben, aber den Wert True für den bestModel-Parameter nicht angeben, verwendet die Aktion den zuerst angegebenen Wert und ignoriert die übrigen. |