資料の 英語版 に戻るrfnode プロパティー
rfnode プロパティー
最終更新: 2024年10月04日
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。
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 | このオプションは、ノードに対し、上流のデータ型ノードのフィールド情報ではなく、ここで指定するフィールド情報を使用するように指示します。 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 |
浮動小数点 | 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 |
浮動小数点 | 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。 |