0 / 0
Volver a la versión inglesa de la documentación
Propiedades rfnode
Última actualización: 07 oct 2024
Propiedades rfnode

Icono de nodo Bosque aleatorioEl nodo Bosque aleatorio utiliza una implementación avanzada de un algoritmo de agregación autodocimante con un modelo de árbol como modelo base. Este nodo de modelado Bosque aleatorio en SPSS Modeler se implementa en Python y requiere la biblioteca scikit-learn© Python .

Tabla 1. Propiedades de rfnode
Propiedades de rfnode Tipo de datos Descripción de la propiedad
custom_fields Boolean Esta opción permite indicar al nodo que use la información de campo especificada aquí en lugar de la proporcionada en nodos Tipo situados en cualquier punto anterior de la ruta. Después de seleccionar esta opción, especifique los campos siguientes según sea necesario.
inputs campo Lista de los nombres de campo para entrada.
target campo Un nombre de campo para el destino.
fast_build Boolean Utilice varios núcleos de CPU para mejorar la creación de modelos.
role_use serie Especifique predefined para utilizar roles predefinidos o custom para utilizar asignaciones de campos personalizadas. El valor predeterminado es predefined.
splits campo Lista de nombre de campo para división.
n_estimators entero Número de árboles para crear. El valor predeterminado es 10.
specify_max_depth Boolean Especifique la profundidad máxima personalizada. Si false, los nodos se expanden hasta que todas las hojas sean puras o hasta que todas las hojas contengan menos de min_samples_split muestras. El valor predeterminado es false.
max_depth entero La profundidad máxima del árbol. El valor predeterminado es 10.
min_samples_leaf entero Tamaño mínimo de nodo de hoja. El valor predeterminado es 1.
max_features serie El número de características para tener en cuenta al buscar la mejor división:
  • Si auto, max_features=sqrt(n_features) para el clasificador y max_features=sqrt(n_features) para la regresión.
  • Si sqrt, entonces max_features=sqrt(n_features).
  • Si log2, entonces max_features=log2 (n_features).
El valor predeterminado es auto.
bootstrap Boolean Utilice las muestras de programa de arranque al crear árboles. El valor predeterminado es true.
oob_score Boolean Utilice muestras aleatorias para estimar la precisión de la generalización. El valor predeterminado es false.
extreme Boolean Utilice árboles extremadamente aleatorizados. El valor predeterminado es false.
use_random_seed Boolean Especifique esto para duplicar los resultados. El valor predeterminado es false.
random_seed entero La semilla de aleatorización para utilizar al crear árboles. Especifique cualquier entero.
cache_size Float Tamaño de caché de kernel en MB. El valor predeterminado es 200.
enable_random_seed Boolean Habilita el parámetro random_seed. Especifique true o false. El valor predeterminado es false.
enable_hpo Boolean Especifique true o false para habilitar o inhabilitar las opciones de HPO. Si se establece en true, se aplicará Rbfopt para determinar automáticamente el modelo de bosque aleatorio "mejor", que alcanza el valor objetivo de destino definido por el usuario con el siguiente parámetro target_objval.
target_objval Float El valor de función de objetivo (índice de errores del modelo en las muestras) que desea alcanzar (por ejemplo, el valor del óptimo conocido). Establezca este parámetro en el valor adecuado si se desconoce el valor óptimo (por ejemplo, 0.01).
max_iterations entero Número máximo de iteraciones para intentar el modelo. El valor predeterminado es 1000.
max_evaluations entero Número máximo de evaluaciones de función para intentar el modelo, donde el foco es la precisión sobre la velocidad. El valor predeterminado es 300.