アンサンブル・ノードの設定

集合体の対象フィールド: 2 つまたはそれ以上の上流モデルで対象フィールドとして使用される単一フィールドを選択します。上流モデルはフラグ型、名義型または連続型対象を使用することができますが、少なくとも 2 つのモデルが同じ対象を共有してスコアを結合する必要があります。

アンサンブル モデルにより生成されたフィールドを除外: 出力から、アンサンブル・ノードに使用する個々のモデルで生成されたすべての追加フィールドを削除します。すべての入力モデルの結合スコアにのみ関心がある場合、このチェック・ボックスを選択します。例えば精度分析ノードまたは評価ノードを使用して結合スコアのと各入力モデルの制度を比較する場合、このオプションが選択解除されていることを確認します。

使用可能な設定は、対象として選択されたフィールドの尺度によって異なります。

連続型対象

連続型対象の場合、スコアは平均が算出されます。これはスコアの結合にのみ使用できる方法です。

スコアまたは推定を平均化する場合、アンサンブル・ノードでは標準誤差の計算を使用して、測定されたまたは推定された値と真の値との間の差異を算出し、これらの推定がどれくらい近いかを示します。デフォルトでは、新しいモデルに標準誤差の計算が生成されます。ただし、再生成する場合など、既存のモデルのチェック・ボックスの選択を解除することができます。

カテゴリー対象

カテゴリー対象の場合、それぞれの予測値が選択される回数を集計し、最も高い合計数を持つ値を選択することによって動作する票決など、多くの方法がサポートされています。例えば、5 つのモデルのうち 3 つではい と予測され、残り 2 つでいいえ と予測される場合、はい が 3 対 2 の票決で勝ちます。代わりに、各予測の確信度または傾向値に基づいて、票決に重みを付けることができます。また、各予測の確信度または傾向値に基づいて、票決に重み付けすることができます。重みは集計され、最も大きな合計の値が再度選択されます。最後の予測の確信度は、勝った値の重みの合計をアンサンブルに含まれるモデルの数で割った値です。

すべてのカテゴリー・フィールド: フラグ型フィールドおよび名義型フィールドの場合、次の方法がサポートされます。

• 票決
• 確信度-重み付き票決
• 最高確信度勝ち取り

フラグ型フィールドのみ: フラグ型フィールド場合のみ、傾向に基づいた次の方法も使用できます。

• 未調整傾向重み付き票決
• 調整済み傾向重み付き票決
• 平均未調整傾向
• 平均調整済み傾向

可否同数: 票決方法の場合、可否同数の解決方法を指定することができます。

• 無作為選択: 可否同数の値の 1 つが無作為に選択されます。
• 最高確信度: 最高確信度で予測された可否同数の値が勝ちます。これは、予測されたすべての値の最高確信度と必ずしも同じとは限りません。
• 未調整または調整済み傾向 (フラグ型フィールドのみ): 絶対傾向が次のように計算されている場合の、最大絶対傾向によって予測された可否同数の値。

abs(0.5 - propensity) *
2

または、調整済み傾向の場合は次のようになります。

abs(0.5 - adjusted propensity) * 2