xgboostlinearnode 속성

XGBoost Linear 노드 아이콘 XGBoost Linear©는 선형 모델을 기본 모델로 하는 그라디언트 부스팅 알고리즘의 고급 구현입니다. 강화 알고리즘은 반복적으로 약한 분류자를 학습한 다음 최종 강력한 분류자에 추가합니다. SPSS Modeler 의 XGBoost Linear 노드는 Python 에서 구현됩니다.

표 1. xgboostlinearnode 특성
`xgboostlinearnode` properties	데이터 유형	특성 설명
`custom_fields`	부울	이 옵션은 노드에 업스트림 타입 노드에 지정된 필드 정보 대신 여기에 지정된 필드 정보를 사용하도록 지시합니다. 이 옵션을 선택한 후, 필요에 따라 필드를 지정합니다.
`target`	필드
`inputs`	필드
`alpha`	이중	알파 선형 부스터 매개 변수. `0` 이상의 숫자를 지정하십시오. 기본값은 `0` 입니다.
`lambda`	이중	람다 선형 부스터 매개 변수. `0` 이상의 숫자를 지정하십시오. 기본값은 `1` 입니다.
`lambdaBias`	이중	람다 편향 선형 부스터 매개 변수. 숫자를 지정하십시오. 기본값은 `0` 입니다.
`num_boost_round`	정수	모델 구축을 위한 num boost 라운드 값입니다. `1` 와 `1000` 사이의 값을 지정하십시오. 기본값은 `10` 입니다.
`objectiveType`	문자열	학습 과제의 객관식 유형. 가능한 값은`reg:linear`, `reg:logistic`, `reg:gamma`, `reg:tweedie`,`count:poisson`,`rank:pairwise`, `binary:logistic`, `multi` 입니다. 플래그 대상의 경우, `binary:logistic` 또는 `multi` 만 사용할 수 있습니다. `multi` 를 사용하면 점수 결과에 XGBoost 목표 유형인 `multi:softmax` 와 `multi:softprob` 가 표시됩니다.
`random_seed`	정수	랜덤 넘버 시드. `0` 와 `9999999` 사이의 숫자. 기본값은 `0` 입니다.
`useHPO`	부울	`true` 또는 `false` 를 지정하여 HPO 옵션을 활성화하거나 비활성화하십시오. `true` 로 설정하면, Rbfopt가 자동으로 "최상의" One-Class SVM 모델을 찾아 적용하게 되는데, 이때 `target_objval` 파라미터로 사용자가 설정한 목표값에 도달하게 됩니다.