영어 버전 문서로 돌아가기xgboostlinearnode 특성
xgboostlinearnode 특성
마지막 업데이트 날짜: 2024년 10월 07일
XGBoost Linear©는 선형 모델을 기본 모델로 사용하는 기울기 부스팅 알고리즘의 고급 구현입니다. 부스팅 알고리즘은 약한 분류자를 반복적으로 학습한 다음 이를 강한 최종 분류자에 추가합니다. SPSS Modeler의 XGBoost 선형 노드는 Python에서 구현됩니다.
xgboostlinearnode 특성 |
데이터 유형 | 특성 설명 |
|---|---|---|
custom_fields |
부울 | 이 옵션에서는 업스트림 유형 노드에 지정된 항목 대신, 여기에 지정된 필드 정보를 사용하도록 노드에 지시합니다. 이 옵션을 선택한 후 필요에 따라 필드를 지정하십시오. |
target |
필드 | |
inputs |
필드 | |
alpha |
이중 | 알파 선형 증폭기 모수입니다. 숫자 0 이상을 지정하십시오. 기본값은 0입니다. |
lambda |
이중 | 람다 선형 증폭기 모수입니다. 숫자 0 이상을 지정하십시오. 기본값은 1입니다. |
lambdaBias |
이중 | 람다 편향 선형 증폭기 모수입니다. 원하는 숫자를 지정하십시오. 기본값은 0입니다. |
num_boost_round |
정수 | 모델 작성을 위한 숫자 부스트 반올림 값입니다. 1에서 1000 사이의 값을 지정하십시오. 기본값은 10입니다. |
objectiveType |
문자열 | 학습 작업의 목적 유형입니다. 가능한 값은reg:linear, reg:logistic, reg:gamma, reg:tweedie, count:poisson, rank:pairwise, binary:logistic 또는 multi입니다. 플래그 대상의 경우 binary:logistic 또는 multi만 사용할 수 있습니다. multi을(를) 사용하면 점수 결과에 multi:softmax 및 multi:softprob XGBoost 목표 유형이 표시됩니다. |
random_seed |
정수 | 난수 시드입니다. 0 및 9999999 사이의 숫자입니다. 기본값은 0입니다. |
useHPO |
부울 | HPO 옵션을 사용하거나 사용하지 않으려면 true 또는 false을(를) 지정하십시오. true(으)로 설정하면 Rbfopt가 적용되어 target_objval 매개변수를 사용하여 사용자가 정의한 대상 값에 도달하는"최상의" One-Class SVM 모델을 자동으로 찾습니다. |