Translation not up to date
The translation of this page does not represent the latest version. For the latest updates, see the English version of the documentation.
Last updated: 04 lip 2023
Węzeł C5.0 tworzy drzewo decyzyjne lub zestaw reguł. Model działa w oparciu o podział próby na podstawie zmiennej oferującej maksimum korzyści z informacji na każdym z poziomów. Zmienna przewidywana musi być jakościowa. Dozwolonych jest wiele podziałów na więcej niż dwie podgrupy.
Przykład
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]])Właściwości węzła c50node |
Wartości | Opis właściwości |
|---|---|---|
target |
field (pole) | Modele c50 używają jednej zmiennej przewidywanej i co najmniej jednej zmiennej wejściowej. Można również określić pole wagi. Więcej informacji na ten temat zawiera sekcja Właściwości wspólnego węzła modelowania . |
output_type |
DecisionTree RuleSet |
|
group_symbolics |
Flaga | |
use_boost |
Flaga | |
boost_num_trials |
Liczba | |
use_xval |
Flaga | |
xval_num_folds |
Liczba | |
mode |
Simple Expert |
|
favor |
Accuracy Generality |
Preferowanie dokładności albo ogólności. |
expected_noise |
Liczba | |
min_child_records |
Liczba | |
pruning_severity |
Liczba | |
use_costs |
Flaga | |
costs |
ustrukturyzowane | Jest to właściwość ustrukturyzowana. Zapoznaj się z przykładem użycia. |
use_winnowing |
Flaga | |
use_global_pruning |
Flaga | Domyślnie włączona (True). |
calculate_variable_importance |
Flaga | |
calculate_raw_propensities |
Flaga | |
calculate_adjusted_propensities |
Flaga | |
adjusted_propensity_partition |
Test Validation |