資料の 英語版 に戻るcartnode プロパティー
cartnode プロパティー
最終更新: 2024年10月04日
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")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 |