Die Eigenschaften in der Kategorie Attribution Modeler | partitions | partition[n] | AdvancedOptions geben Werte an, die festlegen, wie
Attribution Modeler Daten auswertet, und die für alle Partitionen gelten.
Die Eigenschaft sampleSize definiert den Prozentsatz an verfügbaren Datensätzen, die für das Training verwendet werden. Dieser Wert muss auf eine Zahl festgelegt werden, die größer als
0, aber kleiner als
100 (Prozent) ist.
Die Eigenschaft randomSeed steht für den Ausgangspunkt, der von
Attribution Modeler für die zufällige Auswahl von Datensätzen verwendet wird.
Die Eigenschaft maxTrainingTime gibt den maximalen Zeitrahmen in Minuten an, den
Attribution Modeler mit dem Selbsttraining verbringt. Sie legt ein Zeitlimit für den Trainingsprozess fest, während die Daten iteriert werden, um das von der Eigenschaft
converganceThreshold gesetzte Ziel zu erreichen. Dieses Zeitlimit hilft Ihnen, die Ressourcen zu begrenzen, die
Attribution Modeler verwendet. Wenn SIRA dieses Zeitlimit für das Training überschreitet, wird in der Protokolldatei eine Warnung protokolliert.
Mit der Eigenschaft convergenceThreshold wird ein Schwellenwert für die zulässige Differenz zwischen den Ergebnissen einer Trainingsiteration und der nächsten festgelegt. Diese Differenz wird als Prozentsatz der Antworten angegeben, für den sich die Ergebnisse (Gewinnerangebote) von einer Iteration zur nächsten ändern dürfen.
Wenn Sie die Eigenschaft auf 0 (Null) festlegen, lassen Sie keine Änderungen der Ergebnisse von einer Iteration zur nächsten zu. Dies ist der strengste Standard. Wenn Sie für diese Eigenschaft einen höheren Wert als
0 festlegen, lassen Sie flexiblere Trainingsergebnisse zu; der Standard ist weniger streng und das Training kann früher beendet werden.
Die Eigenschaft noiseEliminationThreshold wird zum Beseitigen der SIRA-Guthaben unterhalb des Schwellenwerts verwendet.
Copyright IBM Corporation 2014. All Rights Reserved.
|