アルゴリズムで使用するクラスタリング手法を指定します。利用可能なクラスタリング手法は、スケーラブル EM (1)、非スケーラブル EM (2)、スケーラブル K-Means (3)、または非スケーラブル K-Means (4) です。
アルゴリズムが機能の選択を呼び出す前に処理できる入力属性の最大数を指定します この値を 0 に設定すると 入力属性に対する機能の選択が無効になります
アルゴリズムが機能の選択を呼び出す前に処理できる入力属性の最大数を指定します この値を 0 に設定すると 属性の数は制限されません
アルゴリズムが機能の選択を呼び出す前に処理できる出力属性の最大数を指定します この値を 0 に設定すると 出力属性に対する機能の選択が無効になります
アルゴリズムで使用するクラスタリング手法を指定します 利用可能なクラスタリング手法は スケーラブル EM (1) 非スケーラブル EM (2) スケーラブル K-Means (3) または非スケーラブル K-Means (4) です
アルゴリズムで使用するクラスタリング手法を指定します 利用可能なクラスタリング手法は スケーラブル EM (1) 非スケーラブル EM (2) スケーラブル K-Means (3) または非スケーラブル K-Means (4) です
アルゴリズムで計算された列の重要度にかかわらず 指定した列が常に回帰式のリグレッサとしてアルゴリズムで使用されるようにします このパラメータは回帰ツリーに対してのみ使用されます
アルゴリズムによってサポートされる属性状態の最大数を指定します 属性が保持する状態の数が状態の最大数より大きくなると アルゴリズムでは属性の最も一般的な状態が使用され 残りの状態は存在しないものとして扱われます
アルゴリズムによってサポートされる非シーケンス属性の状態の最大数を指定します 非シーケンス属性の状態の数が状態の最大数より大きくなると アルゴリズムでは属性の最も一般的な状態が使用され 残りの状態は存在しないものとして扱われます
アルゴリズムに対し データの周期性に関するヒントを提供します このパラメータの形式は {n , n]} です ここで 中かっこ ({}) は必須で n には正の値を指定します 角かっこ ([]) 内の n は省略可能です また データが複数 ...