Note
Click here to download the full example code
Basic of meta-features extraction
This example show how to extract meta-features using standard configuration.
Extracting meta-features
The standard way to extract meta-features is using the MFE class. The parameters are the dataset and the group of measures to be extracted. By default, the method extracts general, info-theory, statistical, model-based and landmarking measures. For instance:
Extracting default measures
attr_conc.mean 0.20980476831180148
attr_conc.sd 0.1195879817732128
attr_ent.mean 2.2771912775084115
attr_ent.sd 0.06103943244855649
attr_to_inst 0.02666666666666667
best_node.mean 0.6666666666666667
best_node.sd 1.1702778228589004e-16
can_cor.mean 0.7280089563896481
can_cor.sd 0.3631869233645244
cat_to_num 0.0
class_conc.mean 0.27347384133126745
class_conc.sd 0.14091096327223987
class_ent 1.584962500721156
cor.mean 0.594116025760156
cor.sd 0.3375443182856702
cov.mean 0.5966542132736764
cov.sd 0.5582672431248462
eigenvalues.mean 1.1432392617449672
eigenvalues.sd 2.0587713015069764
elite_nn.mean 0.9466666666666667
elite_nn.sd 0.05258737584977435
eq_num_attr 1.8780672345507194
freq_class.mean 0.3333333333333333
freq_class.sd 0.0
g_mean.mean 3.2230731578977903
g_mean.sd 2.0229431040263726
gravity 3.2082811597489393
h_mean.mean 2.9783891110628673
h_mean.sd 2.145948231748242
inst_to_attr 37.5
iq_range.mean 1.7000000000000002
iq_range.sd 1.2754084313139324
joint_ent.mean 3.0182209990602855
joint_ent.sd 0.3821875549207214
kurtosis.mean -0.8105361276250795
kurtosis.sd 0.7326910069728161
leaves 9
leaves_branch.mean 3.7777777777777777
leaves_branch.sd 1.2018504251546631
leaves_corrob.mean 0.1111111111111111
leaves_corrob.sd 0.15051762539834182
leaves_homo.mean 37.46666666666667
leaves_homo.sd 13.142298124757328
leaves_per_class.mean 0.3333333333333333
leaves_per_class.sd 0.22222222222222224
lh_trace 32.477316568194915
linear_discr.mean 0.9800000000000001
linear_discr.sd 0.04499657051403685
mad.mean 1.0934175
mad.sd 0.5785781994035033
max.mean 5.425000000000001
max.sd 2.4431878083083722
mean.mean 3.4645000000000006
mean.sd 1.918485079431164
median.mean 3.6125000000000003
median.sd 1.919364043982624
min.mean 1.8499999999999999
min.sd 1.8083141320025125
mut_inf.mean 0.8439327791692818
mut_inf.sd 0.4222019352579773
naive_bayes.mean 0.9533333333333334
naive_bayes.sd 0.04499657051403685
nodes 8
nodes_per_attr 2.0
nodes_per_inst 0.05333333333333334
nodes_per_level.mean 1.6
nodes_per_level.sd 0.8944271909999159
nodes_repeated.mean 2.0
nodes_repeated.sd 1.4142135623730951
nr_attr 4
nr_bin 0
nr_cat 0
nr_class 3
nr_cor_attr 0.5
nr_disc 2
nr_inst 150
nr_norm 1.0
nr_num 4
nr_outliers 1
ns_ratio 1.698308838945616
num_to_cat nan
one_nn.mean 0.96
one_nn.sd 0.05621826951410451
p_trace 1.191898822470078
random_node.mean 0.6666666666666667
random_node.sd 1.1702778228589004e-16
range.mean 3.5750000000000006
range.sd 1.6500000000000001
roy_root 32.191925524310506
sd.mean 0.9478670787835934
sd.sd 0.5712994109375844
sd_ratio 1.2708666438750897
skewness.mean 0.06273198447775732
skewness.sd 0.29439896290757683
sparsity.mean 0.0287147773948895
sparsity.sd 0.011032357470087495
t_mean.mean 3.4705555555555554
t_mean.sd 1.9048021402275979
tree_depth.mean 3.0588235294117645
tree_depth.sd 1.4348601079588785
tree_imbalance.mean 0.19491705385114738
tree_imbalance.sd 0.13300709991513865
tree_shape.mean 0.2708333333333333
tree_shape.sd 0.10711960313126631
var.mean 1.1432392617449665
var.sd 1.3325463926454557
var_importance.mean 0.25
var_importance.sd 0.4487534065700905
w_lambda 0.023438633222267347
worst_node.mean 0.5866666666666667
worst_node.sd 0.08195150628704786
Extracting general, statistical and information-theoretic measures
attr_conc.mean 0.20980476831180148
attr_conc.sd 0.1195879817732128
attr_ent.mean 2.2771912775084115
attr_ent.sd 0.06103943244855649
attr_to_inst 0.02666666666666667
can_cor.mean 0.7280089563896481
can_cor.sd 0.3631869233645244
cat_to_num 0.0
class_conc.mean 0.27347384133126745
class_conc.sd 0.14091096327223987
class_ent 1.584962500721156
cor.mean 0.594116025760156
cor.sd 0.3375443182856702
cov.mean 0.5966542132736764
cov.sd 0.5582672431248462
eigenvalues.mean 1.1432392617449672
eigenvalues.sd 2.0587713015069764
eq_num_attr 1.8780672345507194
freq_class.mean 0.3333333333333333
freq_class.sd 0.0
g_mean.mean 3.2230731578977903
g_mean.sd 2.0229431040263726
gravity 3.2082811597489393
h_mean.mean 2.9783891110628673
h_mean.sd 2.145948231748242
inst_to_attr 37.5
iq_range.mean 1.7000000000000002
iq_range.sd 1.2754084313139324
joint_ent.mean 3.0182209990602855
joint_ent.sd 0.3821875549207214
kurtosis.mean -0.8105361276250795
kurtosis.sd 0.7326910069728161
lh_trace 32.477316568194915
mad.mean 1.0934175
mad.sd 0.5785781994035033
max.mean 5.425000000000001
max.sd 2.4431878083083722
mean.mean 3.4645000000000006
mean.sd 1.918485079431164
median.mean 3.6125000000000003
median.sd 1.919364043982624
min.mean 1.8499999999999999
min.sd 1.8083141320025125
mut_inf.mean 0.8439327791692818
mut_inf.sd 0.4222019352579773
nr_attr 4
nr_bin 0
nr_cat 0
nr_class 3
nr_cor_attr 0.5
nr_disc 2
nr_inst 150
nr_norm 1.0
nr_num 4
nr_outliers 1
ns_ratio 1.698308838945616
num_to_cat nan
p_trace 1.191898822470078
range.mean 3.5750000000000006
range.sd 1.6500000000000001
roy_root 32.191925524310506
sd.mean 0.9478670787835934
sd.sd 0.5712994109375844
sd_ratio 1.2708666438750897
skewness.mean 0.06273198447775732
skewness.sd 0.29439896290757683
sparsity.mean 0.0287147773948895
sparsity.sd 0.011032357470087495
t_mean.mean 3.4705555555555554
t_mean.sd 1.9048021402275979
var.mean 1.1432392617449665
var.sd 1.3325463926454557
w_lambda 0.023438633222267347
Extracting all measures
attr_conc.mean 0.20980476831180148
attr_conc.sd 0.1195879817732128
attr_ent.mean 2.2771912775084115
attr_ent.sd 0.06103943244855649
attr_to_inst 0.02666666666666667
best_node.mean 0.6666666666666667
best_node.mean.relative 3.0
best_node.sd 1.1702778228589004e-16
best_node.sd.relative 1.0
c1 0.9999999999999998
c2 0.0
can_cor.mean 0.7280089563896481
can_cor.sd 0.3631869233645244
cat_to_num 0.0
ch 487.33087637489984
class_conc.mean 0.27347384133126745
class_conc.sd 0.14091096327223987
class_ent 1.584962500721156
cls_coef 0.2674506351402339
cohesiveness.mean 67.10333333333334
cohesiveness.sd 5.355733510152213
conceptvar.mean 0.495358313970321
conceptvar.sd 0.07796805526728046
cor.mean 0.594116025760156
cor.sd 0.3375443182856702
cov.mean 0.5966542132736764
cov.sd 0.5582672431248462
density 0.8329306487695749
eigenvalues.mean 1.1432392617449672
eigenvalues.sd 2.0587713015069764
elite_nn.mean 0.9466666666666667
elite_nn.mean.relative 4.0
elite_nn.sd 0.06885303726590962
elite_nn.sd.relative 6.0
eq_num_attr 1.8780672345507194
f1.mean 0.2775641932566493
f1.sd 0.2612622587707819
f1v.mean 0.026799629786085716
f1v.sd 0.03377041736533042
f2.mean 0.0063817663817663794
f2.sd 0.011053543615254369
f3.mean 0.12333333333333334
f3.sd 0.21361959960016152
f4.mean 0.043333333333333335
f4.sd 0.07505553499465135
freq_class.mean 0.3333333333333333
freq_class.sd 0.0
g_mean.mean 3.2230731578977903
g_mean.sd 2.0229431040263726
gravity 3.2082811597489393
h_mean.mean 2.9783891110628673
h_mean.sd 2.145948231748242
hubs.mean 0.7822257352122133
hubs.sd 0.3198336185970707
impconceptvar.mean 42.61
impconceptvar.sd 5.354503216731368
inst_to_attr 37.5
int 3.322592586185653
iq_range.mean 1.7000000000000002
iq_range.sd 1.2754084313139324
joint_ent.mean 3.0182209990602855
joint_ent.sd 0.3821875549207214
kurtosis.mean -0.8105361276250795
kurtosis.sd 0.7326910069728161
l1.mean 0.004328602623988265
l1.sd 0.007497359670523635
l2.mean 0.013333333333333345
l2.sd 0.023094010767585053
l3.mean 0.0
l3.sd 0.0
leaves 9
leaves_branch.mean 3.7777777777777777
leaves_branch.sd 1.2018504251546631
leaves_corrob.mean 0.1111111111111111
leaves_corrob.sd 0.15051762539834182
leaves_homo.mean 37.46666666666667
leaves_homo.sd 13.142298124757328
leaves_per_class.mean 0.3333333333333333
leaves_per_class.sd 0.22222222222222224
lh_trace 32.477316568194915
linear_discr.mean 0.9800000000000001
linear_discr.mean.relative 7.0
linear_discr.sd 0.04499657051403685
linear_discr.sd.relative 2.5
lsc 0.8166666666666667
mad.mean 1.0934175
mad.sd 0.5785781994035033
max.mean 5.425000000000001
max.sd 2.4431878083083722
mean.mean 3.4645000000000006
mean.sd 1.918485079431164
median.mean 3.6125000000000003
median.sd 1.919364043982624
min.mean 1.8499999999999999
min.sd 1.8083141320025125
mut_inf.mean 0.8439327791692818
mut_inf.sd 0.4222019352579773
n1 0.10666666666666667
n2.mean 0.19814444191641126
n2.sd 0.14669333921747651
n3.mean 0.06
n3.sd 0.2382824447791588
n4.mean 0.013333333333333334
n4.sd 0.11508191810497582
naive_bayes.mean 0.9533333333333334
naive_bayes.mean.relative 5.0
naive_bayes.sd 0.04499657051403685
naive_bayes.sd.relative 2.5
nodes 8
nodes_per_attr 2.0
nodes_per_inst 0.05333333333333334
nodes_per_level.mean 1.6
nodes_per_level.sd 0.8944271909999159
nodes_repeated.mean 2.6666666666666665
nodes_repeated.sd 1.5275252316519465
nr_attr 4
nr_bin 0
nr_cat 0
nr_class 3
nr_cor_attr 0.5
nr_disc 2
nr_inst 150
nr_norm 1.0
nr_num 4
nr_outliers 1
nre 1.0986122886681096
ns_ratio 1.698308838945616
num_to_cat nan
one_itemset.mean 0.2
one_itemset.sd 0.04993563108104261
one_nn.mean 0.96
one_nn.mean.relative 6.0
one_nn.sd 0.05621826951410451
one_nn.sd.relative 4.0
p_trace 1.191898822470078
pb -0.68004959585269
random_node.mean 0.5333333333333334
random_node.mean.relative 1.0
random_node.sd 0.06285393610547088
random_node.sd.relative 5.0
range.mean 3.5750000000000006
range.sd 1.6500000000000001
roy_root 32.191925524310506
sc 0
sd.mean 0.9478670787835934
sd.sd 0.5712994109375844
sd_ratio 1.2708666438750897
sil 0.503477440693296
skewness.mean 0.06273198447775732
skewness.sd 0.29439896290757683
sparsity.mean 0.0287147773948895
sparsity.sd 0.011032357470087495
t1.mean 0.007092198581560285
t1.sd 0.002283518026238616
t2 0.02666666666666667
t3 0.013333333333333334
t4 0.5
t_mean.mean 3.4705555555555554
t_mean.sd 1.9048021402275979
tree_depth.mean 3.0588235294117645
tree_depth.sd 1.4348601079588785
tree_imbalance.mean 0.19491705385114738
tree_imbalance.sd 0.13300709991513865
tree_shape.mean 0.2708333333333333
tree_shape.sd 0.10711960313126631
two_itemset.mean 0.32
two_itemset.sd 0.0851125499534728
var.mean 1.1432392617449665
var.sd 1.3325463926454557
var_importance.mean 0.25
var_importance.sd 0.44925548152944056
vdb 0.7513707094756737
vdu 2.3392212858877218e-05
w_lambda 0.023438633222267347
wg_dist.mean 0.4620901765870531
wg_dist.sd 0.05612193762635788
worst_node.mean 0.6000000000000001
worst_node.mean.relative 2.0
worst_node.sd 0.0831479419283098
worst_node.sd.relative 7.0
Changing summarization function
Several measures return more than one value. To aggregate them, post processing methods can be used. It is possible to compute min, max, mean, median, kurtosis, standard deviation, among others. The default methods are the mean and the sd. For instance:
Compute default measures using min, median and max
attr_conc.max 0.4299566853449739
attr_conc.median 0.18467386404867223
attr_conc.min 0.08478331361536394
attr_ent.max 2.3156530476978263
attr_ent.median 2.3034401979164256
attr_ent.min 2.186231666502969
attr_to_inst 0.02666666666666667
best_node.max 0.6666666666666666
best_node.median 0.6666666666666666
best_node.min 0.6666666666666666
can_cor.max 0.9848208927389822
can_cor.median 0.7280089563896481
can_cor.min 0.47119702004031394
cat_to_num 0.0
class_conc.max 0.4011425322248528
class_conc.median 0.28650664619878463
class_conc.min 0.11973954070264788
class_ent 1.584962500721156
cor.max 0.9628654314027961
cor.median 0.6231906153010576
cor.min 0.11756978413300208
cov.max 1.2956093959731547
cov.median 0.4229635346756151
cov.min 0.042434004474272924
eigenvalues.max 4.228241706034867
eigenvalues.median 0.1604401239857764
eigenvalues.min 0.023835092973449445
elite_nn.max 1.0
elite_nn.median 0.9333333333333333
elite_nn.min 0.8666666666666667
eq_num_attr 1.8780672345507194
freq_class.max 0.3333333333333333
freq_class.median 0.3333333333333333
freq_class.min 0.3333333333333333
g_mean.max 5.785720390427728
g_mean.median 3.1324323471229167
g_mean.min 0.8417075469176013
gravity 3.2082811597489393
h_mean.max 5.728905057850834
h_mean.median 2.8449903044543063
h_mean.min 0.49467077749202265
inst_to_attr 37.5
iq_range.max 3.4999999999999996
iq_range.median 1.4000000000000004
iq_range.min 0.5
joint_ent.max 3.410577680708083
joint_ent.median 2.9901513033202027
joint_ent.min 2.6820037088926547
kurtosis.max 0.13870467668072406
kurtosis.median -0.9819958777250918
kurtosis.min -1.4168574317308589
leaves 9
leaves_branch.max 5
leaves_branch.median 4.0
leaves_branch.min 1
leaves_corrob.max 0.3333333333333333
leaves_corrob.median 0.013333333333333334
leaves_corrob.min 0.006666666666666667
leaves_homo.max 57.6
leaves_homo.median 36.0
leaves_homo.min 18.0
leaves_per_class.max 0.5555555555555556
leaves_per_class.median 0.3333333333333333
leaves_per_class.min 0.1111111111111111
lh_trace 32.477316568194915
linear_discr.max 1.0
linear_discr.median 1.0
linear_discr.min 0.8666666666666667
mad.max 1.8532499999999998
mad.median 1.03782
mad.min 0.44477999999999973
max.max 7.9
max.median 5.65
max.min 2.5
mean.max 5.843333333333334
mean.median 3.407666666666667
mean.min 1.1993333333333336
median.max 5.8
median.median 3.675
median.min 1.3
min.max 4.3
min.median 1.5
min.min 0.1
mut_inf.max 1.2015788914374017
mut_inf.median 0.9067678693618417
mut_inf.min 0.36061648651604195
naive_bayes.max 1.0
naive_bayes.median 0.9333333333333333
naive_bayes.min 0.8666666666666667
nodes 8
nodes_per_attr 2.0
nodes_per_inst 0.05333333333333334
nodes_per_level.max 3
nodes_per_level.median 1.0
nodes_per_level.min 1
nodes_repeated.max 4
nodes_repeated.median 3.0
nodes_repeated.min 1
nr_attr 4
nr_bin 0
nr_cat 0
nr_class 3
nr_cor_attr 0.5
nr_disc 2
nr_inst 150
nr_norm 1.0
nr_num 4
nr_outliers 1
ns_ratio 1.698308838945616
num_to_cat nan
one_nn.max 1.0
one_nn.median 1.0
one_nn.min 0.8666666666666667
p_trace 1.191898822470078
random_node.max 0.6666666666666666
random_node.median 0.6333333333333333
random_node.min 0.5333333333333333
range.max 5.9
range.median 3.0000000000000004
range.min 2.4
roy_root 32.191925524310506
sd.max 1.7652982332594662
sd.median 0.7951518984691048
sd.min 0.4358662849366982
sd_ratio 1.2708666438750897
skewness.max 0.3126147039228578
skewness.median 0.10386208214673759
skewness.min -0.26941093030530366
sparsity.max 0.039048200122025624
sparsity.median 0.029555212805869355
sparsity.min 0.016700483845793663
t_mean.max 5.797777777777777
t_mean.median 3.4411111111111112
t_mean.min 1.2022222222222223
tree_depth.max 5
tree_depth.median 3.0
tree_depth.min 0
tree_imbalance.max 0.35355339059327373
tree_imbalance.median 0.18313230988382748
tree_imbalance.min 0.05985020504366078
tree_shape.max 0.5
tree_shape.median 0.25
tree_shape.min 0.15625
var.max 3.116277852348993
var.median 0.6333498881431767
var.min 0.189979418344519
var_importance.max 0.9226107085346216
var_importance.median 0.03869464573268919
var_importance.min 0.0
w_lambda 0.023438633222267347
worst_node.max 0.6666666666666666
worst_node.median 0.6
worst_node.min 0.4666666666666667
Compute default measures using quantile
attr_conc.quantiles.0 0.08478331361536394
attr_conc.quantiles.1 0.12024175822191727
attr_conc.quantiles.2 0.18467386404867223
attr_conc.quantiles.3 0.2586088218989373
attr_conc.quantiles.4 0.4299566853449739
attr_ent.quantiles.0 2.186231666502969
attr_ent.quantiles.1 2.2705229913324176
attr_ent.quantiles.2 2.3034401979164256
attr_ent.quantiles.3 2.3101084840924195
attr_ent.quantiles.4 2.3156530476978263
attr_to_inst 0.02666666666666667
best_node.quantiles.0 0.6666666666666666
best_node.quantiles.1 0.6666666666666666
best_node.quantiles.2 0.6666666666666666
best_node.quantiles.3 0.6666666666666666
best_node.quantiles.4 0.6666666666666666
can_cor.quantiles.0 0.47119702004031394
can_cor.quantiles.1 0.599602988214981
can_cor.quantiles.2 0.7280089563896481
can_cor.quantiles.3 0.8564149245643151
can_cor.quantiles.4 0.9848208927389822
cat_to_num 0.0
class_conc.quantiles.0 0.11973954070264788
class_conc.quantiles.1 0.17114963295652744
class_conc.quantiles.2 0.28650664619878463
class_conc.quantiles.3 0.3888308545735246
class_conc.quantiles.4 0.4011425322248528
class_ent 1.584962500721156
cor.quantiles.0 0.11756978413300208
cor.quantiles.1 0.38170447548496433
cor.quantiles.2 0.6231906153010576
cor.quantiles.3 0.8583006134828313
cor.quantiles.4 0.9628654314027961
cov.quantiles.0 0.042434004474272924
cov.quantiles.1 0.17364362416107382
cov.quantiles.2 0.4229635346756151
cov.quantiles.3 1.0848042505592843
cov.quantiles.4 1.2956093959731547
eigenvalues.quantiles.0 0.023835092973449445
eigenvalues.quantiles.1 0.06461589827555177
eigenvalues.quantiles.2 0.1604401239857764
eigenvalues.quantiles.3 1.2390634874551918
eigenvalues.quantiles.4 4.228241706034867
elite_nn.quantiles.0 0.8
elite_nn.quantiles.1 0.8833333333333333
elite_nn.quantiles.2 0.9333333333333333
elite_nn.quantiles.3 1.0
elite_nn.quantiles.4 1.0
eq_num_attr 1.8780672345507194
freq_class.quantiles.0 0.3333333333333333
freq_class.quantiles.1 0.3333333333333333
freq_class.quantiles.2 0.3333333333333333
freq_class.quantiles.3 0.3333333333333333
freq_class.quantiles.4 0.3333333333333333
g_mean.quantiles.0 0.8417075469176013
g_mean.quantiles.1 2.4803752740295706
g_mean.quantiles.2 3.1324323471229167
g_mean.quantiles.3 3.875130230991137
g_mean.quantiles.4 5.785720390427728
gravity 3.2082811597489393
h_mean.quantiles.0 0.49467077749202265
h_mean.quantiles.1 2.1442918448667623
h_mean.quantiles.2 2.8449903044543063
h_mean.quantiles.3 3.679087570650412
h_mean.quantiles.4 5.728905057850834
inst_to_attr 37.5
iq_range.quantiles.0 0.5
iq_range.quantiles.1 1.1000000000000005
iq_range.quantiles.2 1.4000000000000004
iq_range.quantiles.3 2.0
iq_range.quantiles.4 3.4999999999999996
joint_ent.quantiles.0 2.6820037088926547
joint_ent.quantiles.1 2.694685139463199
joint_ent.quantiles.2 2.9901513033202027
joint_ent.quantiles.3 3.3136871629172893
joint_ent.quantiles.4 3.410577680708083
kurtosis.quantiles.0 -1.4168574317308589
kurtosis.quantiles.1 -1.3728487733842385
kurtosis.quantiles.2 -0.9819958777250918
kurtosis.quantiles.3 -0.4196832319659328
kurtosis.quantiles.4 0.13870467668072406
leaves 9
leaves_branch.quantiles.0 1.0
leaves_branch.quantiles.1 4.0
leaves_branch.quantiles.2 4.0
leaves_branch.quantiles.3 4.0
leaves_branch.quantiles.4 5.0
leaves_corrob.quantiles.0 0.006666666666666667
leaves_corrob.quantiles.1 0.006666666666666667
leaves_corrob.quantiles.2 0.013333333333333334
leaves_corrob.quantiles.3 0.2866666666666667
leaves_corrob.quantiles.4 0.3333333333333333
leaves_homo.quantiles.0 18.0
leaves_homo.quantiles.1 36.0
leaves_homo.quantiles.2 36.0
leaves_homo.quantiles.3 36.0
leaves_homo.quantiles.4 57.6
leaves_per_class.quantiles.0 0.1111111111111111
leaves_per_class.quantiles.1 0.2222222222222222
leaves_per_class.quantiles.2 0.3333333333333333
leaves_per_class.quantiles.3 0.4444444444444444
leaves_per_class.quantiles.4 0.5555555555555556
lh_trace 32.477316568194915
linear_discr.quantiles.0 0.8666666666666667
linear_discr.quantiles.1 1.0
linear_discr.quantiles.2 1.0
linear_discr.quantiles.3 1.0
linear_discr.quantiles.4 1.0
mad.quantiles.0 0.44477999999999973
mad.quantiles.1 0.8895599999999999
mad.quantiles.2 1.03782
mad.quantiles.3 1.2416775000000002
mad.quantiles.4 1.8532499999999998
max.quantiles.0 2.5
max.quantiles.1 3.9250000000000003
max.quantiles.2 5.65
max.quantiles.3 7.15
max.quantiles.4 7.9
mean.quantiles.0 1.1993333333333336
mean.quantiles.1 2.5928333333333335
mean.quantiles.2 3.407666666666667
mean.quantiles.3 4.279333333333334
mean.quantiles.4 5.843333333333334
median.quantiles.0 1.3
median.quantiles.1 2.575
median.quantiles.2 3.675
median.quantiles.3 4.7124999999999995
median.quantiles.4 5.8
min.quantiles.0 0.1
min.quantiles.1 0.775
min.quantiles.2 1.5
min.quantiles.3 2.575
min.quantiles.4 4.3
mut_inf.quantiles.0 0.36061648651604195
mut_inf.quantiles.1 0.5545730402029787
mut_inf.quantiles.2 0.9067678693618417
mut_inf.quantiles.3 1.196127608328145
mut_inf.quantiles.4 1.2015788914374017
naive_bayes.quantiles.0 0.8666666666666667
naive_bayes.quantiles.1 0.9333333333333333
naive_bayes.quantiles.2 0.9333333333333333
naive_bayes.quantiles.3 1.0
naive_bayes.quantiles.4 1.0
nodes 8
nodes_per_attr 2.0
nodes_per_inst 0.05333333333333334
nodes_per_level.quantiles.0 1.0
nodes_per_level.quantiles.1 1.0
nodes_per_level.quantiles.2 1.0
nodes_per_level.quantiles.3 2.0
nodes_per_level.quantiles.4 3.0
nodes_repeated.quantiles.0 1.0
nodes_repeated.quantiles.1 2.0
nodes_repeated.quantiles.2 3.0
nodes_repeated.quantiles.3 3.5
nodes_repeated.quantiles.4 4.0
nr_attr 4
nr_bin 0
nr_cat 0
nr_class 3
nr_cor_attr 0.5
nr_disc 2
nr_inst 150
nr_norm 1.0
nr_num 4
nr_outliers 1
ns_ratio 1.698308838945616
num_to_cat nan
one_nn.quantiles.0 0.8666666666666667
one_nn.quantiles.1 0.9333333333333333
one_nn.quantiles.2 1.0
one_nn.quantiles.3 1.0
one_nn.quantiles.4 1.0
p_trace 1.191898822470078
random_node.quantiles.0 0.5333333333333333
random_node.quantiles.1 0.6
random_node.quantiles.2 0.6333333333333333
random_node.quantiles.3 0.6666666666666666
random_node.quantiles.4 0.6666666666666666
range.quantiles.0 2.4
range.quantiles.1 2.4000000000000004
range.quantiles.2 3.0000000000000004
range.quantiles.3 4.175000000000001
range.quantiles.4 5.9
roy_root 32.191925524310506
sd.quantiles.0 0.4358662849366982
sd.quantiles.1 0.6806448229544344
sd.quantiles.2 0.7951518984691048
sd.quantiles.3 1.0623741542982639
sd.quantiles.4 1.7652982332594662
sd_ratio 1.2708666438750897
skewness.quantiles.0 -0.26941093030530366
skewness.quantiles.1 -0.14304015654817034
skewness.quantiles.2 0.10386208214673759
skewness.quantiles.3 0.30963422317266526
skewness.quantiles.4 0.3126147039228578
sparsity.quantiles.0 0.016700483845793663
sparsity.quantiles.1 0.020713951258667974
sparsity.quantiles.2 0.029555212805869355
sparsity.quantiles.3 0.03755603894209088
sparsity.quantiles.4 0.039048200122025624
t_mean.quantiles.0 1.2022222222222223
t_mean.quantiles.1 2.5805555555555553
t_mean.quantiles.2 3.4411111111111112
t_mean.quantiles.3 4.331111111111111
t_mean.quantiles.4 5.797777777777777
tree_depth.quantiles.0 0.0
tree_depth.quantiles.1 2.0
tree_depth.quantiles.2 3.0
tree_depth.quantiles.3 4.0
tree_depth.quantiles.4 5.0
tree_imbalance.quantiles.0 0.05985020504366078
tree_imbalance.quantiles.1 0.10093168031135315
tree_imbalance.quantiles.2 0.18313230988382748
tree_imbalance.quantiles.3 0.2771176834236217
tree_imbalance.quantiles.4 0.35355339059327373
tree_shape.quantiles.0 0.15625
tree_shape.quantiles.1 0.25
tree_shape.quantiles.2 0.25
tree_shape.quantiles.3 0.25
tree_shape.quantiles.4 0.5
var.quantiles.0 0.189979418344519
var.quantiles.1 0.4832495525727069
var.quantiles.2 0.6333498881431767
var.quantiles.3 1.2933395973154362
var.quantiles.4 3.116277852348993
var_importance.quantiles.0 0.0
var_importance.quantiles.1 0.009999999999999997
var_importance.quantiles.2 0.2179720209339774
var_importance.quantiles.3 0.45797202093397743
var_importance.quantiles.4 0.5640559581320451
w_lambda 0.023438633222267347
worst_node.quantiles.0 0.4666666666666667
worst_node.quantiles.1 0.6
worst_node.quantiles.2 0.6333333333333333
worst_node.quantiles.3 0.6666666666666666
worst_node.quantiles.4 0.6666666666666666
Total running time of the script: ( 0 minutes 1.418 seconds)