Docs
...
cartnode properties
資料の 英語版 に戻る

cartnode プロパティー

最終更新: 2025年2月11日
cartnode プロパティー

C & R Tree ノード・アイコンC&R Tree (分類と回帰ツリー) ノードは、ディシジョン・ツリーを生成し、将来の観測値を予測または分類できるようにします。 この方法は再帰的なデータ区分を使用して学習レコードを複数のセグメントに分割し、各ステップで不純性を最小限に抑えます。ツリーのノードが「純粋」であると考えられるのは、ノード中にあるケースの 100% が、対象フィールドのある特定のカテゴリーに分類される場合です。 対象フィールドおよび入力フィールドは、数値範囲またはカテゴリー (名義型、順序型、フラグ) が使用できます。すべての分岐は 2 分割です (2 つのサブグループのみ)。

例

node = stream.createAt("cart", "My node", 200, 100)
# "Fields" tab
node.setPropertyValue("custom_fields", True)
node.setPropertyValue("target", "Drug")
node.setPropertyValue("inputs", ["Age", "BP", "Cholesterol"])
# "Build Options" tab, "Objective" panel
node.setPropertyValue("model_output_type", "InteractiveBuilder")
node.setPropertyValue("use_tree_directives", True)
node.setPropertyValue("tree_directives", """Grow Node Index 0 Children 1 2
Grow Node Index 2 Children 3 4""")
# "Build Options" tab, "Basics" panel
node.setPropertyValue("prune_tree", False)
node.setPropertyValue("use_std_err_rule", True)
node.setPropertyValue("std_err_multiplier", 3.0)
node.setPropertyValue("max_surrogates", 7)
# "Build Options" tab, "Stopping Rules" panel
node.setPropertyValue("use_percentage", True)
node.setPropertyValue("min_parent_records_pc", 5)
node.setPropertyValue("min_child_records_pc", 3)
# "Build Options" tab, "Advanced" panel
node.setPropertyValue("min_impurity", 0.0003)
node.setPropertyValue("impurity_measure", "Twoing")
# "Model Options" tab
node.setPropertyValue("use_model_name", True)
node.setPropertyValue("model_name", "Cart_Drug")
表 1. cartnode プロパティー
cartnodeプロパティー 値 プロパティーの説明
target フィールド C&R Tree モデルは 1 つの対象フィールドおよび 1 つ以上の入力フィールドを使用します。 度数フィールドも指定できます。 詳しくは、トピック「 共通モデル作成ノードのプロパティー 」を参照してください。
continue_training_existing_model フラグ  
objective Standard Boosting Bagging psm psmは、非常に大きなデータ・セットに使用され、サーバー接続を必要とします。
model_output_type Single InteractiveBuilder  
use_tree_directives フラグ  
tree_directives string ツリーの成長のためのディレクティブ (式) を指定します。 ディレクティブ (式) は、改行や引用符のエスケープ処理を回避するために、三重の引用符で囲むことができます。 ディレクティブは、データやモデルリング・オプションの些細な変更に依存するため、他のデータセットに対しては一般化できません。
use_max_depth Default Custom  
max_depth 整数 最大ツリー深さ (0 から 1000)。 use_max_depth = Customの場合にのみ使用されます。
prune_tree フラグ オーバーフィットしないようにツリーを剪定します。
use_std_err フラグ リスクにおける最大差 (標準誤差) を使用します。
std_err_multiplier 数値 最大差。
max_surrogates 数値 最大代理変数。
use_percentage フラグ  
min_parent_records_pc 数値  
min_child_records_pc 数値  
min_parent_records_abs 数値  
min_child_records_abs 数値  
use_costs フラグ  
costs 構造化 構造化プロパティー。
priors Data Equal Custom  
custom_priors 構造化 構造化プロパティー。
adjust_priors フラグ  
trails 数値 ブーストまたはバグのコンポーネント・モデル数。
set_ensemble_method Voting HighestProbability HighestMeanProbability カテゴリー型対象のデフォルト結合ルール。
range_ensemble_method Mean Median 連続型対象のデフォルト結合ルール。
large_boost フラグ 特に大きなデータセットのブースティングを適用します。
min_impurity 数値  
impurity_measure Gini Twoing Ordered  
train_pct 数値 オーバーフィット防止セット。
set_random_seed フラグ 結果を再現オプション。
seed 数値  
calculate_variable_importance フラグ  
calculate_raw_propensities フラグ  
calculate_adjusted_propensities フラグ  
adjusted_propensity_partition Test Validation