Docs
...
rfnode プロパティー
資料の 英語版 に戻る

rfnode プロパティー

最終更新: 2025年2月11日
rfnode プロパティー

ランダムフォレストノードのアイコンランダム・フォレスト・ノードは、ツリー・モデルを基本モデルとして使用するバギング・アルゴリズムの高度な実装を使用します。 SPSS Modeler のランダムフォレストモデル作成ノードは Python に実装されており、 scikit-learn© Python ライブラリーを必要とします。

表 1. rfnode プロパティー
rfnodeプロパティー データ・タイプ プロパティーの説明
custom_fields ブール値 このオプションを選択すると、上流のデータ型ノードからのフィールド情報ではなく、ここで指定したフィールド情報がこのノードで使用されます。 このオプションを選択した後、必要に応じて以下のフィールドを指定します。
inputs フィールド 入力用のフィールド名のリスト。
target フィールド ターゲットの 1 つのフィールド名です。
fast_build ブール値 複数の CPU コアを使用してモデル構築のパフォーマンスを向上させます。
role_use string 事前定義の役割を使用する場合はpredefinedを指定し、カスタム・フィールド割り当てを使用する場合はcustomを指定します。 デフォルトは predefined です。
splits フィールド 分割用のフィールド名のリスト。
n_estimators 整数 作成するツリーの数。 デフォルトは10です。
specify_max_depth ブール値 カスタムの最大の深さを指定します。 falseの場合、すべてのリーフが純粋なリーフになるまで、またはすべてのリーフに含まれるサンプル数がmin_samples_split未満になるまで、ノードは展開されます。 デフォルトはfalseです。
max_depth 整数 ツリーの最大の深さ。 デフォルトは10です。
min_samples_leaf 整数 リーフ ノードの最小サイズ。 デフォルトは1です。
max_features string 最良の分割を求めるときに考慮するフィーチャーの数。
  • autoの場合、分類器の場合はmax_features=sqrt(n_features)、回帰の場合はmax_features=sqrt(n_features)です。
  • sqrtの場合は、max_features=sqrt(n_features)です。
  • log2の場合は、max_features=log2 (n_features)です。
デフォルトはautoです。
bootstrap ブール値 ツリーの作成時にブートストラップ サンプルを使用します。 デフォルトはtrueです。
oob_score ブール値 Out of Bag サンプルを使用して一般化の精度を推定します。 デフォルト値は false です。
extreme ブール値 Extremely Randomized Trees を使用します。 デフォルトはfalseです。
use_random_seed ブール値 結果を再現するには、これを指定します。 デフォルトはfalseです。
random_seed 整数 ツリーの作成時に使用する乱数シード。 任意の整数を指定します。
cache_size float カーネル キャッシュのサイズ (MB)。 デフォルトは200です。
enable_random_seed ブール値 random_seedパラメーターを有効にします。 true または false を指定します。 デフォルトはfalseです。
enable_hpo ブール値 HPO オプションを有効または無効にするには、trueまたはfalseを指定します。 trueに設定すると、Rbfopt が自動的に「最適な」ランダム・フォレスト・モデルを決定するために適用されます。これは、以下のtarget_objvalパラメーターを使用してユーザーが定義したターゲット目標値に到達します。
target_objval float 目標とする目的関数 (サンプルに対するモデルの誤差率) の値 (例えば、未知の最適条件の値)。 最適が不明な場合は、このパラメーターを適切な値に設定します (例えば、0.01)。
max_iterations 整数 モデルを試行する最大反復数。 デフォルトは1000です。
max_evaluations 整数 速度より精度を重視する場合の、モデルを試行するための関数評価の最大回数。 デフォルトは300です。