Docs
...
questnode properties

propiedades de questnode

Última actualización: 12 feb 2025
propiedades de questnode

Icono de nodo de búsquedaEl nodo Búsqueda proporciona un método de clasificación binaria para crear árboles de decisión, diseñados para reducir el tiempo de proceso necesario para los análisis de Árbol C&R de gran tamaño, a la vez que reduce la tendencia que se encuentra en los métodos de árbol de clasificación para favorecer las entradas que permiten más divisiones. Los campos de entrada pueden ser continuos (rango numérico), sin embargo el campo objetivo debe ser categórico. Todas las divisiones son binarias.

Ejemplo

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)
Tabla 1. propiedades de questnode
Propiedades de questnode Valores Descripción de la propiedad
target campo Los modelos Quest requieren un único objetivo y uno o más campos de entrada. También se puede especificar un campo de frecuencia. Consulte Propiedades comunes del nodo de modelado para obtener más información.
continue_training_existing_model distintivo  
objective Standard Boosting Bagging psm psm se utiliza para conjuntos de datos muy grandes y requiere una conexión de servidor.
model_output_type Single InteractiveBuilder  
use_tree_directives distintivo  
tree_directives serie  
use_max_depth Default Custom  
max_depth entero Profundidad máxima del árbol, de 0 a 1000. Se utiliza sólo si use_max_depth = Custom.
prune_tree distintivo Poda del árbol para evitar sobreajustes.
use_std_err distintivo Use la diferencia máxima en riesgos (en errores estándar).
std_err_multiplier número Diferencia máxima.
max_surrogates número Número máximo de sustitutos.
use_percentage distintivo  
min_parent_records_pc número  
min_child_records_pc número  
min_parent_records_abs número  
min_child_records_abs número  
use_costs distintivo  
costs estructurado Propiedad estructurada.
priors Data Equal Custom  
custom_priors estructurado Propiedad estructurada.
adjust_priors distintivo  
trails número Número de modelos de componente para un aumento o agregación autodocimante.
set_ensemble_method Voting HighestProbability HighestMeanProbability Regla de combinación predeterminada para objetivos categóricos.
range_ensemble_method Mean Median Regla de combinación predeterminada para objetivos continuos.
large_boost distintivo Aplicar aumento a conjunto de datos muy grandes.
split_alpha número Nivel de significancia para división.
train_pct número Conjunto de prevención sobreajustado.
set_random_seed distintivo Opción replicar resultados.
seed número  
calculate_variable_importance distintivo  
calculate_raw_propensities distintivo  
calculate_adjusted_propensities distintivo  
adjusted_propensity_partition Test Validation