0 / 0
Torna alla versione inglese della documentazione
Proprietà rfnode
Ultimo aggiornamento: 07 ott 2024
Proprietà rfnode

Icona Nodo Random ForestIl nodo Random Forest utilizza un'implementazione avanzata di un algoritmo bagging con un modello struttura ad albero come modello di base. Questo nodo di modellazione Random Forest in SPSS Modeler è implementato in Python e richiede la libreria scikit-learn© Python .

Tabella 1. proprietà rfnode
Proprietà rfnode Tipo di dati Descrizione proprietà
custom_fields booleano Questa opzione indica al nodo di utilizzare le informazioni sui campi specificate qui al posto di quelle date in un qualsiasi nodo Tipo upstream. Dopo aver selezionato questa opzione, specificare i seguenti campi come richiesto.
inputs campo Elenco dei nomi dei campi per l'input.
target campo Un nome campo per la destinazione.
fast_build booleano Utilizzare più core CPU per migliorare la creazione del modello.
role_use Stringa Specificare predefined per utilizzare i ruoli predefiniti oppure custom per utilizzare le assegnazioni di campo personalizzate. Il valore predefinito è predefined.
splits campo Elenco dei nomi dei campi per la suddivisione.
n_estimators intero Numero di strutture ad albero da creare. Il valore predefinito è 10.
specify_max_depth Booleano Specifica la profondità massima personalizzata. Se false, i nodi vengono espansi fino a quando tutte le foglie non sono pure o fino a quando tutte le foglie non contengono meno di min_samples_split esempi. Il valore predefinito è false.
max_depth intero La profondità massima della struttura ad albero. Il valore predefinito è 10.
min_samples_leaf intero Dimensione minima del nodo foglia. Il valore predefinito è 1.
max_features Stringa Il numero di funzioni da considerare quando si ricerca la migliore suddivisione:
  • Se auto, max_features=sqrt(n_features) per classificatore e max_features=sqrt(n_features) per regressione.
  • Se sqrt, max_features=sqrt(n_features).
  • Se log2, max_features=log2 (n_features).
Il valore predefinito è auto.
bootstrap Booleano Utilizzare gli esempi di bootstrap quando si creano le strutture ad albero. Il valore predefinito è true.
oob_score Booleano Utilizza esempi out-of-bag per stimare la precisione della generalizzazione. Il valore predefinito è false.
extreme Booleano Utilizzare in estremo le strutture ad albero randomizzate. Il valore predefinito è false.
use_random_seed Booleano Specificare ciò per ottenere risultati replicati. Il valore predefinito è false.
random_seed intero Il numero casuale generato da utilizzare quando si creano le strutture ad albero. Specificare qualsiasi numero intero.
cache_size a virgola mobile La dimensione della cache del kernel in MB. Il valore predefinito è 200.
enable_random_seed Booleano Abilita il parametro random_seed. Specificare true o false. L'impostazione predefinita è false.
enable_hpo Booleano Specificare true o false per abilitare o disabilitare le opzioni HPO. Se impostato su true, Rbfopt verrà applicato per determinare automaticamente il "miglior" modello Random Forest che raggiunge il valore obiettivo definito dall'utente con il seguente parametro target_objval.
target_objval a virgola mobile Il valore della funzione obiettivo (tasso di errore del modello negli esempi) che si desidera raggiungere (ad esempio il valore ottimale sconosciuto). Impostare questo parametro sul valore appropriato se non si conosce il valore ottimale (ad esempio 0.01).
max_iterations intero Il numero massimo di iterazioni per provare il modello. Il valore predefinito è 1000.
max_evaluations intero Il numero massimo di valutazioni della funzione per provare il modello, in cui la priorità è la precisione rispetto alla velocità. Il valore predefinito è 300.