Vlastnosti xgbootstreenode

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

Vlastnosti xgbootstreenode

Last updated: 04. 7. 2023

Vlastnosti xgbootstreenode

Produkt Ikona uzlu stromu XGBoost XGBoost Tree© je rozšířenou implementací gradientu stimulující algoritmus se stromovým modelem jako základním modelem. Posilovací algoritmy iterativně učí slabé klasifikátory a pak je přidávají do konečného silného klasifikátoru. Strom XGBoost je velmi flexibilní a poskytuje mnoho parametrů, které mohou být pro většinu uživatelů ohromující, takže uzel stromu XGBoost v produktu SPSS Modeler odkrývá základní funkce a běžně používané parametry. Uzel je implementován v Python.

Tabulka 1. Vlastnosti xgboosttreenode
`xgboosttreenode` vlastnosti	Datový typ	Popis vlastnosti
`custom_fields`	typ boolean	Tato volba říká uzlu, aby místo toho udané v jakémkoliv předchozím uzlu (uzlech) použil informace o poli zadané v tomto poli. Po výběru této volby určete pole podle potřeby.
`target`	pole	Cílová pole.
`inputs`	pole	Vstupní pole.
`tree_method`	řetězec	Stromová metoda pro sestavení modelu. Možné hodnoty jsou `auto`, `exact`nebo `approx`. Předvolba je `auto`.
`num_boost_round`	celočíselná hodnota	Počet zaokrouhlené hodnoty pro budovu modelu. Zadejte hodnotu mezi `1` a `1000`. Předvolba je `10`.
`max_depth`	celočíselná hodnota	Maximální hloubka pro růst stromu. Zadejte hodnotu `1` nebo vyšší. Předvolba je `6`.
`min_child_weight`	Dvojitá čára	Minimální hmotnost dítěte pro růst stromu. Zadejte hodnotu `0` nebo vyšší. Předvolba je `1`.
`max_delta_step`	Dvojitá čára	Maximální rozdílový krok pro růst stromu. Zadejte hodnotu `0` nebo vyšší. Předvolba je `0`.
`objective_type`	řetězec	Typ cíle pro úlohu učení. Možné hodnoty jsou`reg:linear`, `reg:logistic`, `reg:gamma`, `reg:tweedie`,`count:poisson`,`rank:pairwise`, `binary:logistic`, nebo `multi`. Všimněte si, že pro cíle parametrů lze použít pouze `binary:logistic` nebo `multi` . Je-li použit příznak `multi` , výsledek skóre zobrazí typy cílů `multi:softmax` a `multi:softprob` XGBoost.
`early_stopping`	Logická hodnota	Zda se má použít funkce předčasného ukončení. Předvolba je `False`.
`early_stopping_rounds`	celočíselná hodnota	Je třeba, aby se chyba ověření snížila alespoň na každou brzkou zastávku (kolo), aby mohlo pokračovat v tréninku. Předvolba je `10`.
`evaluation_data_ratio`	Dvojitá čára	Race vstupních dat použitých pro chyby ověření platnosti. Předvolba je `0.3`.
`random_seed`	celočíselná hodnota	Náhodný náhodný řetězec. Libovolné číslo mezi `0` a `9999999`. Předvolba je `0`.
`sample_size`	Dvojitá čára	Podvzorek pro ovládací prvek overfitting. Zadejte hodnotu mezi `0.1` a `1.0`. Předvolba je `0.1`.
`eta`	Dvojitá čára	Eta pro ovládání nadstavba. Zadejte hodnotu mezi `0` a `1`. Předvolba je `0.3`.
`gamma`	Dvojitá čára	Gama pro ovládání přestavby. Uveďte libovolné číslo `0` nebo vyšší. Předvolba je `6`.
`col_sample_ratio`	Dvojitá čára	Vzorek pro kontrolu nad montáží podle stromové struktury. Zadejte hodnotu mezi `0.01` a `1`. Předvolba je `1`.
`col_sample_level`	Dvojitá čára	Vzorek podle úrovně pro ovládací prvek overfitting. Zadejte hodnotu mezi `0.01` a `1`. Předvolba je `1`.
`lambda`	Dvojitá čára	Lambda pro kontrolu nad přestrojení. Uveďte libovolné číslo `0` nebo vyšší. Předvolba je `1`.
`alpha`	Dvojitá čára	Alfa pro ovládání přestavby. Uveďte libovolné číslo `0` nebo vyšší. Předvolba je `0`.
`scale_pos_weight`	Dvojitá čára	Váha váhy pro práci s nevyváženými datovými sadami. Předvolba je `1`.
`use_HPO`