propriétés randomtrees | IBM Cloud Pak for Data as a Service

Retourner à la version anglaise de la documentation

propriétés randomtrees

Dernière mise à jour : 07 oct. 2024

propriétés randomtrees

Icône du noeud Random Trees Le noeud Random Trees est similaire au noeud C & RT Tree ; cependant, le noeud Random Trees est conçu pour traiter des données volumineuses afin de créer un arbre unique. Le noeud de l'arbre Random Trees génère un arbre décision qui vous permet de prévoir ou de classifier les observations futures. La méthode utilise la technique de partition récursive afin de diviser les données d'apprentissage en segments en réduisant l'index d'impureté à chaque étape, un noeud de l'arbre étant considéré comme pur si 100 % de ses observations appartiennent à une catégorie spécifique du champ cible. Les champs cible et les champs d'entrée peuvent être des champs d'intervalle numériques ou des champs catégoriels numériques (nominal,ordinal ou indicateur). Toutes les divisions sont binaires (deux sous-groupes uniquement).

Tableau 1. propriétés de randomtrees
Propriétés `randomtrees`	Valeurs	Description de la propriété
`target`	Zone	Dans le noeud Random Trees, les modèles requièrent un seul champ cible et un ou plusieurs champs d'entrée. Un champ de fréquence peut aussi être spécifié. Pour plus d'informations, voir Propriétés communes des noeuds de modélisation .
`number_of_models`	Integer	Détermine le nombre de modèles à créer dans le cadre de la modélisation d'ensemble.
`use_number_of_predictors`	option	Détermine si `number_of_predictors` est utilisé.
`number_of_predictors`	Integer	Indique le nombre de prédicteurs à utiliser lors de la création de modèles de scission.
`use_stop_rule_for_accuracy`	option	Détermine si la construction du modèle s'arrête lorsque l'exactitude ne peut pas être améliorée.
`sample_size`	number	Réduisez cette valeur pour améliorer les performances lors du traitement de très grands jeux de données.
`handle_imbalanced_data`	option	Si la cible du modèle affiche un marqueur particulier, et si le ratio du résultat souhaité sur le résultat non désiré est très faible, alors les données sont déséquilibrées et l'échantillonnage d'amorçage effectué par le modèle peut altérer la précision du modèle. Activez la manipulation des données non équilibrées afin que le modèle capture une plus grande proportion du résultat souhaité et génère un modèle plus performant.
`use_weighted_sampling`	option	Lorsque la valeur est False, les variables de chaque noeud sont sélectionnées aléatoirement avec la même probabilité. Lorsque la valeur est True, les variables sont pondérées et sélectionnées en conséquence.
`max_node_number`	Integer	Nombre maximum de noeuds autorisés dans les arbres individuels. Si le nombre est dépassé lors de la division suivante, la croissance de l'arbre s'arrête.
`max_depth`	Integer	Profondeur maximale d'arbre avant que la croissance s'arrête.
`min_child_node_size`	Integer	Détermine le nombre minimum d'enregistrements autorisés dans un noeud enfant après la division du noeud parent. Si un noeud enfant contient moins d'enregistrements que le nombre indiqué ici, le noeud parent ne sera pas divisé.
`use_costs`	option
`costs`	structuré	Propriétés structurées. Le format est une liste de 3 valeurs : la valeur réelle, la valeur prédite et le coût en cas d'erreur de cette prévision. Par exemple :`tree.setPropertyValue("costs", [["drugA", "drugB", 3.0], ["drugX", "drugY", 4.0]])`
`default_cost_increase`	`none` `linear` `square` `custom`	Notez que cette option n'est activée que pour les cibles ordinales. Définissez les valeurs par défaut dans la matrice de coût.
`max_pct_missing`	Integer	Si le pourcentage des valeurs manquantes dans une entrée est supérieur à la valeur indiquée ici, l'entrée est exclue. Minimum 0, maximum 100.
`exclude_single_cat_pct`	Integer	Si une valeur de catégorie représente un pourcentage d’enregistrements supérieur à celui indiqué ici, le champ tout entier est exclu de la création de modèle. Minimum 1, maximum 99.
`max_category_number`	Integer	Si le nombre de catégories d'un champ dépasse cette valeur, le champ est exclu de la création de modèle. Minimum 2.
`min_field_variation`	number	Si le coefficient de variation d'un champ continu est inférieur à cette valeur, le champ est exclu de la création de modèle.
`num_bins`	Integer	Utilisé uniquement si les données sont constitués d'entrées continues. Définissez le nombre de casiers de fréquence égale à utiliser pour les entrées. Les options possibles sont 2, 4, 5, 10, 20, 25, 50 ou 100.
`topN`	Integer	Indique le nombre de règles à signaler. La valeur par défaut est 50 et les valeurs minimale et maximale sont respectivement de 1 et 1000.