propiedades de treeas
Última actualización: 11 feb 2025
El nodo Tree-AS es similar al nodo CHAID; sin embargo, el nodo Tree-AS está diseñado para procesar big data para crear un único árbol y muestra el modelo resultante en el visor de resultados. El nodo genera un árbol de decisiones utilizando estadísticas de chi-cuadrado (CHAID) para identificar divisiones opcionales. Este uso de CHAID puede generar árboles no binarios, lo que significa que algunas divisiones generarán más de dos ramas. Los campos de entrada y objetivo pueden ser continuos (rango numérico) o categóricos. CHAID exhaustivo es una modificación de CHAID que examina con mayor precisión todas las divisiones posibles, aunque necesita más tiempo para realizar los cálculos.
Propiedades de
|
Valores | Descripción de la propiedad |
---|---|---|
|
campo | En el nodo Tree-AS, los modelos CHAID requieren un único objetivo y uno o más campos de entrada. También se puede especificar un campo de frecuencia. Consulte Propiedades comunes del nodo de modelado para obtener más información. |
|
|
|
|
entero | Profundidad máxima del árbol, de 0 a 20. El valor predeterminado es 5. |
|
entero | Sólo se utiliza si los datos están formados por entradas continuas. Establezca el número de intervalos de frecuencia que deben utilizarse para las entradas; las opciones son 2, 4, 5, 10, 20, 25, 50 o 100. |
|
entero | El número de registros en los que el modelo pasa de usar valores p a tamaños del efecto mientras se construye el árbol. El valor predeterminado es de 1.000.000; se incrementa o decrementa de 10.000 en 10.000. |
|
número | Nivel de significancia para división. El valor debe estar entre 0,01 y 0,99. |
|
número | Nivel de significancia para fusión. El valor debe estar entre 0,01 y 0,99. |
|
distintivo | Los valores de significancia de ajuste utilizando el método de Bonferroni. |
|
número | Establece el umbral del tamaño del efecto cuando se dividen los nodos y fusionan las categorías al usar un objetivo continuo. El valor debe estar entre 0,01 y 0,99. |
|
número | Establezca el umbral de tamaño de efecto al dividir nodos y fusionar categorías al utilizar un objetivo categórico. El valor debe estar entre 0,01 y 0,99. |
|
distintivo | Permitir segunda división de categorías fusionadas. |
|
número | Se usa para determinar cómo se forman los grupos de nodos o cómo se identifican los nodos inusuales. |
|
|
Método usado para calcular la estadística de chi cuadrado: Pearson o Razón de verosimilitud |
|
|
|
|
número | El valor predeterminado es 2. Mínimo 1, máximo 100, e incrementos de 1. El valor de la rama padre debe ser mayor que la rama hijo. |
|
número | El valor predeterminado es 1. Mínimo 1, máximo 100, e incrementos de 1. |
|
número | El valor por omisión es 100. Mínimo 1, máximo 100, e incrementos de 1. El valor de la rama padre debe ser mayor que la rama hijo. |
|
número | El valor predeterminado es 50. Mínimo 1, máximo 100, e incrementos de 1. |
|
número | Cambio mínimo en frecuencias de casillas esperadas. |
|
número | Número máximo de iteraciones para la convergencia. |
|
distintivo | |
|
estructurado | Propiedad estructurada. El formato es una lista de 3 valores: el valor real, el valor predicho y el coste si dicha predicción es errónea. Por ejemplo:
|
|
|
Sólo se habilita para objetivos ordinales. Establezca valores predeterminados en la matriz de costes. |
|
distintivo | |
|
distintivo | Añade un campo en el resultado de puntuación que indica el ID para el nodo terminal al que se asigna cada registro. |
¿Fue útil el tema?
0/1000