영어 버전 문서로 돌아가기questnode 특성
questnode 특성
마지막 업데이트 날짜: 2024년 10월 07일
QUEST 노드는 의사결정 트리를 작성하기 위한 이분형 분류 방법을 제공하며,
대형 C&R 트리 분석에 필요한 처리 시간을 줄이는 동시에
분류 트리 방법에서 찾은 경향을 줄여 더 많은 분할을 허용하는 입력을
선호하도록 설계되었습니다. 입력 필드는 숫자 범위(연속)일 수 있지만 대상 필드는 범주형이어야 합니다. 모든 분할은 이분형입니다.
예
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)questnode 특성 |
값 | 특성 설명 |
|---|---|---|
target |
필드 | QUEST 모델은 하나의목표 및 하나 이상의 입력 필드가 필요합니다. 빈도 필드도 지정할 수 있습니다. 자세한 정보는 공통 모델링 노드 특성 을 참조하십시오. |
continue_training_existing_model |
플래그 | |
objective |
Standard Boosting Bagging psm |
psm은(는) 매우 큰 데이터 세트에 사용되며 서버 연결이 필요합니다. |
model_output_type |
Single InteractiveBuilder |
|
use_tree_directives |
플래그 | |
tree_directives |
문자열 | |
use_max_depth |
Default Custom |
|
max_depth |
정수 | 0부터 1000까지의
최대 트리 깊이입니다. use_max_depth =
Custom인 경우에만 사용됩니다. |
prune_tree |
플래그 | 과적합을 방지하기 위해 트리를 가지치기합니다. |
use_std_err |
플래그 | (표준 오차에서) 위험의 최대 차이를 사용하십시오. |
std_err_multiplier |
Number | 최대 차이입니다. |
max_surrogates |
Number | 최대 서로게이트입니다. |
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. |
priors |
Data Equal Custom |
|
custom_priors |
구조화된 | 구조화 특성입니다. |
adjust_priors |
플래그 | |
trails |
Number | 부스팅 또는 배깅을 위한 구성요소 모델 수입니다. |
set_ensemble_method |
Voting HighestProbability HighestMeanProbability |
범주형 대상에 대한 기본 결합 규칙입니다. |
range_ensemble_method |
Mean Median |
연속형 대상에 대한 기본 결합 규칙입니다. |
large_boost |
플래그 | 매우 큰 데이터 세트에 부스팅을 적용합니다. |
split_alpha |
Number | 분할 유의 수준입니다. |
train_pct |
Number | 과적합 방지 세트입니다. |
set_random_seed |
플래그 | 결과 복제 옵션입니다. |
seed |
Number | |
calculate_variable_importance |
플래그 | |
calculate_raw_propensities |
플래그 | |
calculate_adjusted_propensities |
플래그 | |
adjusted_propensity_partition |
Test Validation |