Właściwości węzła xgboostasnode

Translation not up to date

The translation of this page does not represent the latest version. For the latest updates, see the English version of the documentation.

Go back to the English version of the documentation

Właściwości węzła xgboostasnode

Last updated: 04 lip 2023

Właściwości węzła xgboostasnode

Ikona węzła XGBoost-AS XGBoost to zaawansowana implementacja algorytmu wzmacniania gradientowego. Algorytmy wzmacniania iteracyjnie ucząc się, wyznaczają słabe klasyfikatory i dodają je do ostatecznego silnego klasyfikatora. XGBoost jest bardzo elastyczny i udostępnia wiele parametrów, które mogą być przytłaczające dla większości użytkowników, dlatego węzeł XGBoost-AS w programie SPSS Modeler ujawnia podstawowe funkcje i powszechnie używane parametry. Węzeł XGBoost-AS jest zaimplementowany w środowisku Spark.

Tabela 1. Właściwości węzła xgboostasnode
Właściwości węzła `xgboostasnode`	Typ danych	Opis właściwości
`target_field`	field (pole)	Lista zmiennych przewidywanych.
`input_fields`	field (pole)	Lista zmiennych wejściowych.
`nWorkers`	liczba całkowita	Liczba procesów roboczych używanych do uczenia modelu XGBoost. Wartością domyślną jest `1`.
`numThreadPerTask`	liczba całkowita	Liczba wątków przypadająca na jeden proces roboczy. Wartością domyślną jest `1`.
`useExternalMemory`	Wartość boolowska	Określa, czy używać pamięci zewnętrznej jako podręcznej. Wartością domyślną jest false.
`boosterType`	łańcuch	Typ wzmocnienia, który ma być używany. Dostępne opcje to: `gbtree`, `gblinear` i `dart`. Typ domyślny to `gbtree`.
`numBoostRound`	liczba całkowita	Liczba rund wzmocnienia. Należy określić wartość `0` lub wyższą. Wartością domyślną jest `10`.
`scalePosWeight`	Podwójna	Steruje równoważeniem wag dodatnich i ujemnych. Wartością domyślną jest `1`.
`randomseed`	liczba całkowita	Wartość początkowa używana przez generator liczb losowych. Wartością domyślną jest 0.
`objectiveType`	łańcuch	Cel uczenia. Możliwe wartości to `reg:linear`, `reg:logistic`, `reg:gamma`, `reg:tweedie`, `rank:pairwise`, `binary:logistic` lub `multi`. Należy pamiętać, że w przypadku zmiennych przewidywanych typu flaga można używać tylko wartości `binary:logistic` lub `multi`. W razie użycia wartości `multi` wynik oceny będzie przedstawiał typy celów XGBoost `multi:softmax` i `multi:softprob`. Wartość domyślna to `reg:linear`.
`evalMetric`	łańcuch	Metryka ewaluacyjna dla danych walidacji. Zgodnie z celem zostanie przypisana metryka domyślna. Możliwe wartości to `rmse`, `mae`, `logloss`, `error`, `merror`, `mlogloss`, `auc`, `ndcg`, `map` i `gamma-deviance`. Wartość domyślna to `rmse`.
`lambda`	Podwójna	Składnik regularyzacji L2 wag. Zwiększenie tej wartości powoduje, że model jest bardziej konserwatywny. Należy określić wartość `0` lub większą. Wartością domyślną jest `1`.
`alpha`	Podwójna	Składnik regularyzacji L1 wag. Zwiększenie tej wartości powoduje, że model jest bardziej konserwatywny. Należy określić wartość `0` lub większą. Wartością domyślną jest `0`.
`lambdaBias`	Podwójna	Składnik regularyzacji L2 obciążenia. Jeśli używany jest typ wzmocnienia `gblinear`, dostępny jest ten parametr obciążenia lambda wzmocnienia liniowego. Należy określić wartość `0` lub większą. Wartością domyślną jest `0`.
`treeMethod`	łańcuch	Jeśli używany jest typ wzmocnienia `gbtree` lub `dart`, dostępny jest ten parametr metody wzrostu drzewa (oraz inne parametry drzewa, które po nim następują). Określa algorytm tworzenia drzewa XGBoost. Dostępne opcje to `auto`, `exact` lub `approx`. Wartością domyślną jest `auto`.
`maxDepth`	liczba całkowita	Maksymalna głębokość drzew. Należy określić wartość `2` lub wyższą. Wartością domyślną jest `6`.
`minChildWeight`	Podwójna	Minimalna suma wag wystąpień (Hessego) wymagana w elemencie podrzędnym. Należy określić wartość `0` lub wyższą. Wartością domyślną jest `1`.
`maxDeltaStep`	Podwójna	Maksymalny krok zmiany umożliwiający oszacowanie wag każdego drzewa. Należy określić wartość `0` lub wyższą. Wartością domyślną jest `0`.
`sampleSize`	Podwójna	Podpróba określa współczynnik wystąpień używanych do uczenia. Określ wartość z zakresu od `0.1` do `1.0`. Wartością domyślną jest `1.0`.
`eta`	Podwójna	Redukcja wielkości kroku używana podczas aktualizacji w celu zapobiegania przeuczeniu. Określ wartość z zakresu od `0` do `1`. Wartością domyślną jest `0.3`.
`gamma`	Podwójna	Minimalna redukcja straty wymagana do dalszego podziału węzła-liścia w drzewie. Należy określić wartość `0` lub większą. Wartością domyślną jest `6`.
`colsSampleRatio`	Podwójna	Współczynnik podpróbkowania kolumn podczas tworzenia każdego drzewa. Określ wartość z zakresu od `0.01` do `1`. Wartością domyślną jest `1`.
`colsSampleLevel`	Podwójna	Współczynnik podpróbkowania kolumn dla każdego podziału na każdym poziomie. Określ wartość z zakresu od `0.01` do `1`. Wartością domyślną jest `1`.
`normalizeType`	łańcuch	Jeśli używany jest typ wzmocnienia dart, dostępny jest ten parametr dart i trzy następujące po nim parametry. Ten parametr określa algorytm normalizacji. Określ `tree` albo `forest`. Algorytm domyślny to `tree`.
`sampleType`	łańcuch	Typ algorytmu próbkowania. Określ `uniform` albo `weighted`. Algorytm domyślny to `uniform`.
`rateDrop`	Podwójna	Współczynnik wypadania dla wzmocnienia typu dart. Określ wartość z zakresu od `0.0` do `1.0`. Algorytm domyślny to `0.0`.
`skipDrop`	Podwójna	Prawdopodobieństwo pominiętego wypadnięcia dla wzmocnienia typu dart. Określ wartość z zakresu od `0.0` do `1.0`. Algorytm domyślny to `0.0`.