IDmLogisticRegression.Threshold

Синтаксис

Threshold: Double;

Описание

Свойство Threshold определяет пороговое значение.

Комментарии

Диапазон допустимых значений: (0; 1).

Пример

Для выполнения примера в репозитории предполагается наличие:

Добавьте ссылки на системные сборки: Metabase, Ms, Report, Stat, Tab.

Sub UserProc;
Var
    mb: IMetabase;
    ReportDS: IDmReportDataSource;
    TableDS: IDmTableDataSource;
    Method: IDmMethod;
    Report: IPrxReport;
    Shs: IPrxSheets;
    Sheet: ITabSheet;
    DM: IDmLogisticRegression;
    i, j: Integer;
    Attrs: Array Of Integer;
    CrossValidation: IDmMethodCrossValidation;
    Reports: IDmReports;
    DmReport: IDmReport;
    CrossValPerf: ICrossValidationPerformanceScores;
    CategoriesList: Array Of Integer;
    PerformanceMatrix: Array Of Double;
Begin
    mb := MetabaseClass.Active;
    // Создаем метод расчёта
    Method := (New DataMiningMethod.Create) As IDmMethod;
    // Указываем тип метода
    Method.Kind := DmMethodKind.LogisticRegression;
    // Создаем табличный источник данных
    TableDS := (New TableDataSource.Create) As IDmTableDataSource;
    // Указываем таблицу-источник
    TableDS.Table := mb.ItemByID("DM_TABLE").Bind;
    // Задаем входной источник данных
    Method.InputDataSource := TableDS;
    // Создаем источник данных, являющийся регламентным отчётом
    ReportDS := (New ReportDataSource.Create) As IDmReportDataSource;
    // Задаем приёмник данных
    Method.OutputDataSource := ReportDS;
    // Настраиваем параметры метода расчёта
    DM := Method.Details As IDmLogisticRegression;
    // Задаем факторы, влияющие на анализируемый признак
    Attrs := New Integer[TableDS.FieldCount - 1];
    For i := 0 To Attrs.Length - 1 Do
        Attrs[i] := i + 1;
    End For;
    DM.Attributes := Attrs;
    // Указываем анализируемый объект
    DM.Target := ReportDS.FieldCount;
    // Задаем пороговое значение
    DM.Threshold := 0.57;
    // Настраиваем параметры кросс-валидации
    CrossValidation := DM.CrossValidation;
    // Указываем, что кросс-валидация используется
    CrossValidation.Active := True;
    // Задаем метод кросс-валидации: валидация последовательным случайным разбиением
    CrossValidation.SamplingType := CrossValidationSamplingType.RandomSampling;
    // Задаем число повторений
    CrossValidation.NumberOfRandomTests := 15;
    // Задаем размер обучающего набора
    CrossValidation.TrainingSetSize := 75;
    // Выполняем анализ и выгружаем результаты
    Reports := Method.Execute;
    DmReport := reports.FindByType(DmReportType.LogisticRegression);
    ReportDS := DmReport.Generate;
    ReportDS.TabSheet.View.Selection.SelectAll;
    ReportDS.TabSheet.View.Selection.Copy;
    // Получаем регламентный отчет, в который будут выгружены результаты
    Report := mb.ItemByID("DM_REPORT_RES").Edit As IPrxReport;
    Shs := Report.Sheets;
    Shs.Clear;
    Sheet := (Shs.Add("", PrxSheetType.Table) As IPrxTable).TabSheet;
    Sheet.Table.Paste;
    Sheet.Columns(0, 1).AdjustWidth;
    Sheet.Rows(0, 1).AdjustHeight;
    Report.Sheets.Item(0).Name := ReportDS.Caption;
    // Сохраняем выгруженные денные
    (Report As IMetabaseObject).Save;
    // Выводим результаты кросс-валидации
    DmReport := reports.FindByType(DmReportType.CrossValidation);
    DmReport.Generate;
    CrossValPerf := CrossValidation.Results;
    Debug.WriteLine("Результаты кросс-валидации:");
    Debug.Indent;
    Debug.WriteLine("Анализируемый признак: " + CrossValPerf.ClassificatorName);
    Debug.Write("Количество факторов, влияющих на анализируемый признак: ");
    Debug.WriteLine(CrossValPerf.FactorsNumber);
    Debug.WriteLine("Количество наблюдений: " + CrossValPerf.ObservationsNumber.ToString);
    Debug.WriteLine("Количество повторений: " + CrossValidation.NumberOfRandomTests.ToString);
    Debug.WriteLine("Точность классификации: " + CrossValPerf.ClassificationAccuracy.ToString);
    Debug.WriteLine("Категории:");
    Debug.Indent;
    CategoriesList := CrossValPerf.CategoriesList;
    For i := 0 To CategoriesList.Length - 1 Do
        Debug.WriteLine(CategoriesList[i]);
    End For;
    Debug.Unindent;
    Debug.WriteLine("Корректная классификация:");
    Debug.Indent;
    PerformanceMatrix := CrossValPerf.PerformanceMatrix;
    For i := 0 To PerformanceMatrix.GetUpperBound(1) Do
        For j := 0 To PerformanceMatrix.GetUpperBound(2) Do
            Debug.Write(PerformanceMatrix[i, j].ToString + #9);
        End For;
    Debug.WriteLine("");
    End For;
    Debug.Unindent;
    Debug.Unindent;
End Sub UserProc;

В результате выполнения примера для данных из таблицы DM_TABLE будет выполнено заполнение пропусков с помощью логистической регрессии. Результаты анализа будут выгружены в отчёт DM_REPORT_RES. Результаты кросс-валидации будут выведены в окно консоли.

См. также:

IDmLogisticRegression