영어 버전 문서로 돌아가기chaidnode 특성
chaidnode 특성
마지막 업데이트 날짜: 2024년 5월 27일
CHAID 노드는 최적 분할을 식별하기 위해 카이제곱 통계를 사용하여 의사결정 트리를 생성합니다. C&R 트리 및 QUEST 노드와 달리, CHAID는 비이분형 트리를 생성할 수 있으며 이는 일부 분할에 둘 이상의 분기가 있음을 의미합니다. 목표 및 입력 필드는 숫자 범위(연속형) 또는 범주형입니다. Exhaustive CHAID는 가능한 모든 분할을 탐색하는 보다 철저한 작업을 수행하지만 계산하는 데 시간이 더 걸리는 변형 CHAID입니다.
예
stream = modeler.script.stream()
sourcenode = stream.findByID("id46WRP1285C")
node = stream.createAt("chaid", "My node", 200, 100)
stream.link(sourcenode, node)
node.setPropertyValue("custom_fields", True)
node.setPropertyValue("target", "Drug")
node.setPropertyValue("inputs", ["Age", "Na", "K", "Cholesterol", "BP"])
node.setPropertyValue("use_model_name", True)
node.setPropertyValue("model_name", "CHAID")
node.setPropertyValue("method", "Chaid")
node.setPropertyValue("model_output_type", "InteractiveBuilder")
node.setPropertyValue("use_tree_directives", True)
node.setPropertyValue("tree_directives", "Test")
node.setPropertyValue("split_alpha", 0.03)
node.setPropertyValue("merge_alpha", 0.04)
node.setPropertyValue("chi_square", "Pearson")
node.setPropertyValue("use_percentage", False)
node.setPropertyValue("min_parent_records_abs", 40)
node.setPropertyValue("min_child_records_abs", 30)
node.setPropertyValue("epsilon", 0.003)
node.setPropertyValue("max_iterations", 75)
node.setPropertyValue("split_merged_categories", True)
node.setPropertyValue("bonferroni_adjustment", True)
chaidnode 특성 |
데이터 유형 또는 값 | 특성 설명 |
|---|---|---|
target |
필드 | CHAID 모델은 하나의 대상과 하나 이상의 입력 필드가 필요합니다. 빈도를 지정할 수도 있습니다. 자세한 정보는 공통 모델링 노드 특성을 참조하십시오. |
continue_training_existing_model |
플래그 | |
objective |
|
psm 는 대형 데이터 세트에 사용되며 서버 연결이 필요합니다. |
model_output_type |
|
|
use_tree_directives |
플래그 | |
tree_directives |
문자열 | |
method |
|
|
use_max_depth |
|
|
max_depth |
정수 | 0부터 1000까지의
최대 트리 깊이입니다. use_max_depth =
Custom인 경우에만 사용됩니다. |
use_percentage |
플래그 | |
min_parent_records_pc |
Number | |
min_child_records_pc |
Number | |
min_parent_records_abs |
Number | |
min_child_records_abs |
Number | |
use_costs |
플래그 | |
costs |
구조화된 | 구조화 특성입니다. |
trails |
Number | 부스팅 또는 배깅을 위한 구성요소 모델 수입니다. |
set_ensemble_method |
|
범주형 대상을 결합하기 위한 기본 규칙입니다. |
range_ensemble_method |
|
연속형 대상에 대한 기본 결합 규칙입니다. |
large_boost |
플래그 | 대형 데이터 세트에 부스팅을 적용합니다. |
split_alpha |
Number | 분할 유의 수준입니다. |
merge_alpha |
Number | 병합 유의 수준입니다. |
bonferroni_adjustment |
플래그 | Bonferroni 방법을 사용하여 유의수준을 조정합니다. |
split_merged_categories |
플래그 | 병합된 범주의 재분할을 허용합니다. |
chi_square |
|
카이 제곱 통계를 계산하는 데 사용되는 방법: Pearson 또는 우도비 |
epsilon |
Number | 셀 기대빈도의 최소 변화입니다. |
max_iterations |
Number | 수렴을 위한 최대 반복입니다. |
set_random_seed |
정수 | |
seed |
Number | |
calculate_variable_importance |
플래그 | |
calculate_raw_propensities |
플래그 | |
calculate_adjusted_propensities |
플래그 | |
adjusted_propensity_partition |
|
|
maximum_number_of_models |
정수 | |
train_pct |
이중 실선 | 알고리즘은 내부적으로 레코드를 모델 작성 세트 및 과적합 방지 세트로 분리합니다. 과적합 방지 세트는 훈련 중에 오류를 추적하는 데 사용되는 독립 데이터 레코드 세트이며, 이는 메소드가 데이터에서 기회 변동을 모델링하지 못하게 합니다. 레코드 퍼센트를 지정합니다. 기본값은 30입니다. |
use_customize_layer |
부울 | 기본값은 false입니다. 의사결정 트리를 분할할 지점으로 특정 필드를 지정하려는 경우 이 특성을 true 로 설정할 수 있습니다. |
customize_layer |
목록 | 이 특성은 use_customize_layer 가 true로 설정된 경우에만 사용됩니다.이 특성은 오브젝트의 목록입니다. 각 오브젝트에는 두 개의 속성이 있습니다. SPSS Modeler 플로우가 실행될 때 CHAID 알고리즘은 각 레이어의
p 값을 기반으로 분할할 필드의 후보 목록을 평가하고 리턴합니다. 사용자 정의 레이어의 경우 레이어에 대해 지정한 각 필드는 필드의 전체 후보 목록과 비교됩니다. 후보 목록의 필드와 일치하는 첫 번째 필드가 분할에 사용됩니다. 지정된 나머지 필드는 무시됩니다. 일치하는 필드가 없으면 경고 메시지가 표시되고 트리가 정상으로 분할됩니다. |