właściwości węzła randomtrees

Translation not up to date

The translation of this page does not represent the latest version. For the latest updates, see the English version of the documentation.

Go back to the English version of the documentation

właściwości węzła randomtrees

Last updated: 04 lip 2023

właściwości węzła randomtrees

Ikona węzła Drzewa losowe Węzeł Drzewa losowe jest podobny do węzła drzewa C & RT, jednak węzeł Drzewa losowe jest przeznaczony do przetwarzania dużych zbiorów danych w celu utworzenia pojedynczego drzewa. Węzeł Drzewa losowe generuje drzewo decyzyjne umożliwiające predykcję lub klasyfikację przyszłych obserwacji. W metodzie tej stosowany jest rekursywny podział rekordów na segmenty przez minimalizację zanieczyszczeń w każdym kroku, przy czym węzeł w drzewie jest uważany za czysty, jeśli 100% obserwacji w węźle przypada na konkretną kategorię zmiennej przewidywanej. Zmienne przewidywana i wejściowa mogą być zakresami liczbowymi lub jakościowymi (nominalnymi, porządkowymi lub flagami); wszystkie podziały są binarne (tylko dwie podgrupy).

Tabela 1. właściwości losowo wybranych drzew
Właściwości węzła `randomtrees`	Wartości	Opis właściwości
`target`	field (pole)	W węźle Drzewa losowe modele wymagają jednej zmiennej przewidywanej i co najmniej jednej zmiennej wejściowej. Można też określić zmienną częstości. Więcej informacji na ten temat zawiera sekcja Właściwości wspólnego węzła modelowania .
`number_of_models`	liczba całkowita	Określa liczbę modeli, jakie mają być utworzone w ramach modelowania zespoleń.
`use_number_of_predictors`	Flaga	Określa, czy używana jest wartość `number_of_predictors`.
`number_of_predictors`	liczba całkowita	Określa liczbę predyktorów, które mają być używane przy budowaniu modeli rozdzielonych.
`use_stop_rule_for_accuracy`	Flaga	Określa, czy budowanie modelu jest zatrzymywane, gdy dokładność nie może zostać poprawiona.
`sample_size`	Liczba	Zmniejszenie tej wartości przynosi wzrost wydajności przetwarzania bardzo obszernych zbiorów danych.
`handle_imbalanced_data`	Flaga	Jeśli celem modelu jest konkretna flaga, a stosunek pożądanego wyniku do niepożądanego wyniku jest bardzo mały, to dane są niezrównoważone, a próbkowanie bootstrap przeprowadzone przez model może mieć wpływ na dokładność modelu. Ta właściwość włącza obsługę danych niezrównoważonych, tak by model uwzględniał większy udział wyników pożądanych i był przez to silniejszy.
`use_weighted_sampling`	Flaga	Wartość False powoduje, że zmienne dla każdego węzła są wybierane losowo z tym samym prawdopodobieństwem. Wartość True powoduje ważnie i odpowiedni dobór zmiennych.
`max_node_number`	liczba całkowita	Maksymalna liczba węzłów dozwolona w jednym drzewie. Jeśli następny podział spowodowałby przekroczenie tej liczby, rozrost drzewa jest zatrzymywany.
`max_depth`	liczba całkowita	Maksymalna głębokość drzewa przed zatrzymaniem rozrostu.
`min_child_node_size`	liczba całkowita	Określa minimalną liczbę rekordów dozwoloną w węźle podrzędnym po podziale węzła nadrzędnego. Jeśli węzeł podrzędny będzie zawierał mniejszą liczbę rekordów niż określono w tym miejscu, węzeł nadrzędny nie zostanie podzielony.
`use_costs`	Flaga
`costs`	ustrukturyzowane	Właściwość ustrukturyzowana. Obowiązujący format to lista złożona z 3 wartości: wartości rzeczywistej, wartości przewidywanej i kosztu, gdyby ta predykcja była błędna. Na przykład:`tree.setPropertyValue("costs", [["drugA", "drugB", 3.0], ["drugX", "drugY", 4.0]])`
`default_cost_increase`	`none` `linear` `square` `custom`	Należy pamiętać, że ta opcja jest włączona tylko dla celów porządkowych. Określa wartości domyślne w macierzy kosztów.
`max_pct_missing`	liczba całkowita	Jeśli odsetek braków danych w jakiejkolwiek zmiennej wejściowej byłby większy od określonej tutaj wartości, zmienna wejściowa jest wykluczana. Minimum 0, maksimum 100.
`exclude_single_cat_pct`	liczba całkowita	Jeśli jedna kategoria reprezentuje większy odsetek rekordów niż określony tutaj, cała zmienna jest wykluczana z budowania modelu. Minimum 1, maksimum 99.
`max_category_number`	liczba całkowita	Jeśli liczba kategorii w zmiennej przekracza tę wartość, zmienna jest wykluczana z budowania modelu. Minimum 2.
`min_field_variation`	Liczba	Jeśli współczynnik zmienności zmiennej ilościowej jest mniejszy od tej wartości, zmienna jest wykluczana z budowania modelu.
`num_bins`	liczba całkowita	Używana tylko wtedy, gdy dane wejściowe są złożone ze zmiennych ciągłych. Określa liczbę przedziałów o równej częstości, na którą mają być podzielone dane wejściowe; dostępne opcje: 2, 4, 5, 10, 20, 25, 50 i 100.
`topN`	liczba całkowita	Określa liczbę reguł do ujęcia w raporcie. Domyślna wartość wynosi 50, minimalna 1, a maksymalna 1000.