Docs
...
c50node properties

propiedades de c50node

Última actualización: 11 feb 2025
propiedades de c50node

Icono de nodo C5.0El nodo C5.0 genera un árbol de decisión o un conjunto de reglas. El modelo divide la muestra basándose en el campo que ofrece la máxima ganancia de información en cada nivel. El campo objetivo debe ser categórico. Se permiten varias divisiones en más de dos subgrupos.

Ejemplo

node = stream.create("c50", "My node")
# "Model" tab
node.setPropertyValue("use_model_name", False)
node.setPropertyValue("model_name", "C5_Drug")
node.setPropertyValue("use_partitioned_data", True)
node.setPropertyValue("output_type", "DecisionTree")
node.setPropertyValue("use_xval", True)
node.setPropertyValue("xval_num_folds", 3)
node.setPropertyValue("mode", "Expert")
node.setPropertyValue("favor", "Generality")
node.setPropertyValue("min_child_records", 3)
# "Costs" tab
node.setPropertyValue("use_costs", True)
node.setPropertyValue("costs", [["drugA", "drugX", 2]])
Tabla 1. c50node
Propiedades de c50node Valores Descripción de la propiedad
target campo Los modelos C50 utilizan un único campo objetivo y uno o más campos de entrada. También puede especificar un campo de ponderación. Consulte Propiedades comunes del nodo de modelado para obtener más información.
output_type DecisionTree RuleSet  
group_symbolics distintivo  
use_boost distintivo  
boost_num_trials número  
use_xval distintivo  
xval_num_folds número  
mode Simple Expert  
favor Accuracy Generality Generalización o precisión de favor.
expected_noise número  
min_child_records número  
pruning_severity número  
use_costs distintivo  
costs estructurado Ésta es una propiedad estructurada. Consulte el ejemplo para ver su uso.
use_winnowing distintivo  
use_global_pruning distintivo Activado (True) de forma predeterminada.
calculate_variable_importance distintivo  
calculate_raw_propensities distintivo  
calculate_adjusted_propensities distintivo  
adjusted_propensity_partition Test Validation