0 / 0
Zurück zur englischen Version der Dokumentation
Ensembleknoten
Letzte Aktualisierung: 07. Okt. 2024
Ensembleknoten (SPSS Modeler)

Der Ensembleknoten kombiniert zwei oder mehr Modellnuggets, um genauere Vorhersagen zu erzielen, als aus einem dieser Modelle allein gewonnen werden können. Durch die Kombination der Vorhersagen aus mehreren Modellen können Beschränkungen in einzelnen Modellen vermieden werden, was zu einer höheren Gesamtgenauigkeit führt. Auf diese Weise kombinierte Modelle bringen normalerweise eine mindestens ebenso gute Leistung wie die besten Einzelmodelle und sind häufig sogar noch besser.

Diese Kombination von Knoten erfolgt automatisch in den automatisierten Modellierungsknoten "Automatisches Klassifikationsmerkmal" und "Autonumerisch".

Nach der Verwendung eines Ensembleknotens können Sie mithilfe eines Analyse- oder Evaluierungsknotens die Genauigkeit der kombinierten Ergebnisse mit den Ergebnissen der einzelnen als Eingabe verwendeten Modelle vergleichen. Hierbei darf die Option Von Ensemblemodellen generierte Felder herausfiltern in den Einstellungen des Ensembleknotens nicht ausgewählt sein.

Ausgabefelder

Jeder Ensembleknoten generiert ein Feld mit den kombinierten Scores. Der Name beruht auf dem angegebenen Zielfeld und trägt das Präfix $XF_, $XS_ oder $XR_, je nach Messniveau des Felds (Flag, nominal (Set) bzw. stetig (Bereich)). Wenn das Ziel beispielsweise ein Flagfeld mit dem Namen responseist, lautet das Ausgabefeld $XF_response.

Konfidenz- bzw. Neigungsfelder. Bei Flagfeldern und nominalen Feldern werden zusätzliche Konfidenz- bzw. Neigungsfelder, die auf der EnsemblemMethode beruhen, wie in der folgenden Tabelle beschrieben.

Tabelle 1. Erstellung von Feldern für Ensemble-Methode
Ensemble-Methode Feldname
Abstimmen
Konfidenzgewichtetes Voting
Raw-propensity-gewichtetes Voting
Adjusted-propensity-gewichtetes Voting
Höchste Konfidenzgewinne
$XFC_<field>
Durchschnittliche Raw Propensity $XFRP_<field>
Durchschnittliche Adjusted Propensity $XFAP_<field>
Generative KI-Suche und -Antwort
Diese Antworten werden von einem großen Sprachmodell in watsonx.ai basierend auf dem Inhalt der Produktdokumentation generiert. Weitere Informationen