El nodo Conjunto combina dos o más nuggets de modelo para obtener predicciones más precisas que pueden conseguirse de los modelos individuales. Al combinar predicciones de varios modelos, pueden evitarse las limitaciones en modelos individuales que dan como resultado una precisión global superior. Los modelos combinados de esta forma suelen ejecutarse tan bien como el mejor de los modelos individuales y, en ocasiones, mejor.
Esta combinación de nodos se produce automáticamente en los nodos de modelado automatizado Clasificador automático y Autonumérico.
Después de utilizar un nodo Conjunto, puede utilizar un nodo Análisis o Evaluación para comparar la precisión de los resultados combinados con cada uno de los modelos de entrada. Para ello, asegúrese de que la opción Filtrar campos generados por modelos de conjunto no está seleccionada en los valores del nodo Conjunto.
Campos de salida
Cada nodo Conjunto genera un campo que contiene las puntuaciones combinadas. El nombre se basa en el campo objetivo especificado y con el prefijo $XF_
, $XS_
o $XR_
, dependiendo del nivel de medición: marca, nominal (conjunto) o continuo (rango), respectivamente. Por ejemplo, si el destino es un campo de distintivo denominado response
, el campo de salida sería $XF_response
.
Confianza o campos de propensión. Para los campos nominales y marca, se crean campos de propensión o confianza adicionales en función del método de conjunto, tal y como se detalla en la tabla siguiente.
Método de conjunto | Nombre de campo |
---|---|
Votación
Voto ponderado por confianza Voto ponderado por propensión bruta Voto ponderado por propensión corregida Vence la confianza más alta |
$XFC_<field> |
Propensión en bruto media | $XFRP_<field> |
Propensión en bruto ajustada media | $XFAP_<field> |