xgboostlinearnode のプロパティー

資料の英語版に戻る

最終更新: 2024年10月04日

xgboostlinearnode のプロパティー

XGBoost Linear ノードのアイコン XGBoost Linear© は、線型モデルを基本モデルとして使用する勾配ブースティング・アルゴリズムの高度な実装です。ブースティング・アルゴリズムでは、弱い分類子に繰り返し学習させ、それを最終的な強い分類子に追加します。 SPSS Modeler の XGBoost Linear ノードは、 Pythonに実装されています。

表 1. xgboostlinearnode のプロパティ
`xgboostlinearnode`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、必要に応じてフィールドを指定します。
`target`	フィールド
`inputs`	フィールド
`alpha`	二重	アルファ線型ブースティングパラメータ。 `0`以上の数値を指定します。デフォルトは`0`です。
`lambda`	二重	ラムダ線型ブースティングパラメータ。 `0`以上の数値を指定します。デフォルトは`1`です。
`lambdaBias`	二重	ラムダバイアス線型ブースティングパラメータ。任意の数値を指定します。デフォルトは`0`です。
`num_boost_round`	整数	モデル作成用の num boost round 値。 `1`と`1000`の間の値を指定します。デフォルトは`10`です。
`objectiveType`	string	学習タスクの目的タイプ。可能な値は、`reg:linear`、`reg:logistic`、 `reg:gamma`、`reg:tweedie`、`count:poisson`、`rank:pairwise`、`binary:logistic`、または`multi`です。フラグ型対象の場合は、`binary:logistic`または`multi`のみを使用できることに注意してください。 `multi`を使用した場合、スコア結果には`multi:softmax`および`multi:softprob` XGBoost の目的タイプが表示されます。
`random_seed`	整数	乱数シード。 `0`と`9999999`の間の任意の数値です。デフォルトは`0`です。
`useHPO`	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 が適用されて、「最適な」One-Class SVM モデルが自動的に検出されます。これは、ユーザーが`target_objval`パラメーターで定義した目標値に到達します。