propriétés xgboostasnode

Retourner à la version anglaise de la documentation

Dernière mise à jour : 04 oct. 2024

propriétés xgboostasnode

Icône de noeud XGBoost-AS XGBoost est une implémentation avancée d'un algorithme de boosting de gradient. Les algorithmes de boosting forment les classificateurs faibles de manière itérative et les ajoutent ensuite à un classificateur fort final. XGBoost est très flexible et propose de nombreux paramètres qui peuvent s'avérer encombrants pour la plupart des utilisateurs, et c'est pourquoie le noeud XGBoost-AS de SPSS Modeler expose les fonctions de base et les paramètres couramment utilisés. Le noeud XGBoost-AS est implémenté dans Spark.

Tableau 1. Propriétés de xgboostasnode
`xgboostasnode`propriétés	Type de données	Description de la propriété
`target_field`	Zone	Liste des noms de champ pour la cible.
`input_fields`	Zone	Liste des noms de champ pour les entrées.
`nWorkers`	Integer	Nombre d'agents utilisés pour former le modèle XGBoost. La valeur par défaut est `1`.
`numThreadPerTask`	Integer	Nombre d'unités d'exécution utilisées par agent. La valeur par défaut est `1`.
`useExternalMemory`	Booléen	Indique si la mémoire externe être utilisée comme cache. La valeur par défaut est false.
`boosterType`	chaîne	Type de booster à utiliser. Les options disponibles sont `gbtree`, `gblinear`, ou `dart`. La valeur par défaut est `gbtree`.
`numBoostRound`	Integer	Nombre des itérations de boosting. Spécifiez une valeur de `0` ou une valeur supérieure. La valeur par défaut est `10`.
`scalePosWeight`	Double	Permet de contrôler l'équilibre des pondérations positives et négatives. La valeur par défaut est `1`.
`randomseed`	Integer	Valeur de départ utilisée par le générateur de nombres aléatoires. La valeur par défaut est 0.
`objectiveType`	chaîne	Objectif d'apprentissage. Les valeurs possibles sont `reg:linear`, `reg:logistic`, `reg:gamma`, `reg:tweedie`,`rank:pairwise`, `binary:logistic` ou `multi`. Notez que pour les cibles de marqueur, seules `binary:logistic` ou `multi` peuvent être utilisées. Si `multi` est utilisé, le résultat du score affiche les types d'objectif XGBoost `multi:softmax` et `multi:softprob`. La valeur par défaut est `reg:linear`.
`evalMetric`	chaîne	Métriques d'évaluation des données de validation. Une métrique par défaut est affectée en fonction de l'objectif. Les valeurs possibles sont `rmse`, `mae`, `logloss`, `error`, `merror`, `mlogloss`, `auc`, `ndcg`, `map`ou `gamma-deviance`. La valeur par défaut est `rmse`.
`lambda`	Double	Terme de régularisation de niveau 2 sur les pondérations. L'augmentation de cette valeur rend le modèle plus conservateur. Indiquez un nombre `0` ou supérieur. La valeur par défaut est `1`.
`alpha`	Double	Terme de régularisation de niveau 1 sur les pondérations. L'augmentation de cette valeur rend le modèle plus conservateur. Indiquez un nombre `0` ou supérieur. La valeur par défaut est `0`.
`lambdaBias`	Double	Terme de régularisation de niveau 2 sur le biais. Si le type de renforcement `gblinear` est utilisé, ce paramètre de renforcement linéaire sur biais lambda est disponible. Indiquez un nombre `0` ou supérieur. La valeur par défaut est `0`.
`treeMethod`	chaîne	Si le type de renforcement `gbtree` ou `dart` est utilisé, ce paramètre de la méthode de déploiement des arbres (et les autres paramètre d'arborescence qui suivent) est disponible. Il indique l'algorithme de construction d'arbre XGBoost à utiliser. Les options disponibles sont `auto`, `exact`ou `approx`. La valeur par défaut est `auto`.
`maxDepth`	Integer	Profondeur maximale des arbres. Spécifiez une valeur de `2` ou une valeur supérieure. La valeur par défaut est `6`.
`minChildWeight`	Double	Somme minimale des pondérations d'instance (de Hess) nécessaire dans un enfant. Spécifiez une valeur de `0` ou une valeur supérieure. La valeur par défaut est `1`.
`maxDeltaStep`	Double	Etape delta maximale à autoriser pour l'estimation de la pondération de chaque arbre. Spécifiez une valeur de `0` ou une valeur supérieure. La valeur par défaut est `0`.
`sampleSize`	Double	Le sous-échantillon est le rapport de l'instance d'apprentissage. Indiquez une valeur entre `0.1` et `1.0`. La valeur par défaut est `1.0`.
`eta`	Double	Réduction de taille d'étape utilisée lors de l'étape de mise à jour pour éviter le surajustement. Indiquez une valeur entre `0` et `1`. La valeur par défaut est `0.3`.
`gamma`	Double	Réduction des pertes minimale requise pour créer une autre partition sur un noeud terminal de l'arbre. Indiquez un nombre `0` ou supérieur. La valeur par défaut est `6`.
`colsSampleRatio`	Double	Rapport du sous-échantillon de colonnes lors de la construction de chaque arbre. Indiquez une valeur entre `0.01` et `1`. La valeur par défaut est`1`.
`colsSampleLevel`	Double	Rapport du sous-échantillon de colonnes pour chaque scission par niveau. Indiquez une valeur entre `0.01` et `1`. La valeur par défaut est `1`.
`normalizeType`	chaîne	Si le type de booster dart est utilisé, ce paramètre dart et les trois paramètres dart sont disponibles. Ce paramètre définit l'algorithme de normalisation. Spécifiez `tree` ou `forest`. La valeur par défaut est `tree`.
`sampleType`	chaîne	Type d'algorithme d'échantillonnage. Spécifiez `uniform` ou `weighted`. La valeur par défaut est `uniform`.
`rateDrop`	Double	Paramètre de booster dart pour le taux d'abandon. Indiquez une valeur entre `0.0` et `1.0`. La valeur par défaut est `0.0`.
`skipDrop`	Double	Paramètre du booster dart pour la probabilité d'abandon. Indiquez une valeur entre `0.0` et `1.0`. La valeur par défaut est `0.0`.