Torna alla versione inglese della documentazioneproprietà questnode
proprietà questnode
Ultimo aggiornamento: 07 ott 2024
Il nodo QUEST offre un metodo di classificazione binario per la creazione di strutture ad albero delle decisioni, progettato per ridurre i tempi di elaborazione necessari per le analisi C&R Tree più complesse, riducendo inoltre la tendenza dei metodi per le strutture ad albero di classificazione a favorire gli input che consentono un numero maggiore di suddivisioni. I campi di input possono essere intervalli numerici (continui), ma il campo obiettivo deve essere categoriale. Tutte le suddivisioni sono binarie.
Esempio
node = stream.create("quest", "My node")
node.setPropertyValue("custom_fields", True)
node.setPropertyValue("target", "Drug")
node.setPropertyValue("inputs", ["Age", "Na", "K", "Cholesterol", "BP"])
node.setPropertyValue("model_output_type", "InteractiveBuilder")
node.setPropertyValue("use_tree_directives", True)
node.setPropertyValue("max_surrogates", 5)
node.setPropertyValue("split_alpha", 0.03)
node.setPropertyValue("use_percentage", False)
node.setPropertyValue("min_parent_records_abs", 40)
node.setPropertyValue("min_child_records_abs", 30)
node.setPropertyValue("prune_tree", True)
node.setPropertyValue("use_std_err", True)
node.setPropertyValue("std_err_multiplier", 3)Proprietà questnode |
Valori | Descrizione proprietà |
|---|---|---|
target |
campo | I modelli QUEST richiedono un solo campo obiettivo e uno o più campi di input. È inoltre possibile specificare un campo frequenza. Per ulteriori informazioni, consultare Proprietà comuni del nodo Modelli . |
continue_training_existing_model |
indicatore | |
objective |
Standard Boosting Bagging psm |
psm viene utilizzato per insiemi di dati di grandi dimensioni e richiede una connessione Server. |
model_output_type |
Single InteractiveBuilder |
|
use_tree_directives |
indicatore | |
tree_directives |
Stringa | |
use_max_depth |
Default Custom |
|
max_depth |
intero | Profondità massima della struttura ad albero, da 0 a 1000. Utilizzato solo se use_max_depth =
Custom. |
prune_tree |
indicatore | Taglia struttura ad albero per evitare sovradattamento. |
use_std_err |
indicatore | Utilizza differenza massima di rischio (in errori standard). |
std_err_multiplier |
numero | Differenza massima. |
max_surrogates |
numero | Numero massimo surrogati. |
use_percentage |
indicatore | |
min_parent_records_pc |
numero | |
min_child_records_pc |
numero | |
min_parent_records_abs |
numero | |
min_child_records_abs |
numero | |
use_costs |
indicatore | |
costs |
strutturato | Proprietà strutturata. |
priors |
Data Equal Custom |
|
custom_priors |
strutturato | Proprietà strutturata. |
adjust_priors |
indicatore | |
trails |
numero | Numero di modelli di componenti per boosting o bagging. |
set_ensemble_method |
Voting HighestProbability HighestMeanProbability |
Regola di combinazione di default per obiettivi categoriali. |
range_ensemble_method |
Mean Median |
Regola di combinazione di default per target continui. |
large_boost |
indicatore | Applica il boosting a insiemi di dati di grandi dimensioni. |
split_alpha |
numero | Livello di significatività per suddivisione. |
train_pct |
numero | Insieme di prevenzione del sovradattamento. |
set_random_seed |
indicatore | Opzione Replica risultati. |
seed |
numero | |
calculate_variable_importance |
indicatore | |
calculate_raw_propensities |
indicatore | |
calculate_adjusted_propensities |
indicatore | |
adjusted_propensity_partition |
Test Validation |