속성

CHAID 노드 아이콘CHAID 노드는 최적 분할을 식별하기 위해 카이제곱 통계를 사용하여 의사결정 트리를 생성합니다. C&R 트리와 퀘스트 노드와는 달리, CHAID는 비이진 트리를 생성할 수 있습니다. 즉, 일부 분할에는 두 개 이상의 가지가 있습니다. 목표와 입력 필드는 숫자 범위(연속) 또는 범주형일 수 있습니다. 완전한 CHAID는 가능한 모든 분할을 더 철저하게 검사하지만 계산하는 데 시간이 더 오래 걸리는 CHAID의 변형입니다.

예

stream = modeler.script.stream()
sourcenode = stream.findByID("id46WRP1285C")

node = stream.createAt("chaid", "My node", 200, 100)
stream.link(sourcenode, node)

node.setPropertyValue("custom_fields", True)
node.setPropertyValue("target", "Drug")
node.setPropertyValue("inputs", ["Age", "Na", "K", "Cholesterol", "BP"])
node.setPropertyValue("use_model_name", True)
node.setPropertyValue("model_name", "CHAID")
node.setPropertyValue("method", "Chaid")
node.setPropertyValue("model_output_type", "InteractiveBuilder")
node.setPropertyValue("use_tree_directives", True)
node.setPropertyValue("tree_directives", "Test")
node.setPropertyValue("split_alpha", 0.03)
node.setPropertyValue("merge_alpha", 0.04)
node.setPropertyValue("chi_square", "Pearson")
node.setPropertyValue("use_percentage", False)
node.setPropertyValue("min_parent_records_abs", 40)
node.setPropertyValue("min_child_records_abs", 30)
node.setPropertyValue("epsilon", 0.003)
node.setPropertyValue("max_iterations", 75)
node.setPropertyValue("split_merged_categories", True)
node.setPropertyValue("bonferroni_adjustment", True)
표 1. chaidnode 특성
chaidnode 특성 데이터 유형 또는 값 특성 설명
target 필드 CHAID 모델은 하나의 목표와 하나 이상의 입력 필드를 필요로 합니다. 빈도도 지정할 수 있습니다. 자세한 정보는 공통 모델링 노드 특성을 참조하십시오.
continue_training_existing_model 플래그  
objective
  • Standard
  • Boosting
  • Bagging
  • psm
 psm 는 대형 데이터 세트에 사용되며 서버 연결이 필요합니다.
model_output_type
  • Single
  • InteractiveBuilder
  
use_tree_directives 플래그  
tree_directives 문자열  
method
  • Chaid
  • ExhaustiveChaid
  
use_max_depth
  • Default
  • Custom
  
max_depth 정수 최대 트리 깊이, 0에서 1000까지. use_max_depth = Custom 인 경우에만 사용됩니다.
use_percentage 플래그  
min_parent_records_pc 숫자  
min_child_records_pc 숫자  
min_parent_records_abs 숫자  
min_child_records_abs 숫자  
use_costs 플래그  
costs 구조화됨 구조화된 속성.
trails 숫자 부스팅 또는 배깅을 위한 구성 요소 모델의 수.
set_ensemble_method
  • Voting
  • HighestProbability
  • HighestMeanProbability
 범주형 대상을 결합하기 위한 기본 규칙입니다.
range_ensemble_method
  • Mean
  • Median
 연속적인 목표에 대한 기본 결합 규칙.
large_boost 플래그 대형 데이터 세트에 부스팅을 적용합니다.
split_alpha 숫자 분할의 중요도 수준.
merge_alpha 숫자 병합에 대한 중요도 수준.
bonferroni_adjustment 플래그 Bonferroni 방법을 사용하여 유의수준을 조정합니다.
split_merged_categories 플래그 병합된 카테고리의 분할을 허용합니다.
chi_square
  • Pearson
  • LR
 카이 제곱 통계를 계산하는 데 사용되는 방법: Pearson 또는 우도비
epsilon 숫자 예상되는 셀 빈도의 최소 변화량..
max_iterations 숫자 수렴을 위한 최대 반복 횟수.
set_random_seed 정수  
seed 숫자  
calculate_variable_importance 플래그  
calculate_raw_propensities 플래그  
calculate_adjusted_propensities 플래그  
adjusted_propensity_partition
  • Test
  • Validation
  
maximum_number_of_models 정수  
train_pct 이중 실선 알고리즘은 내부적으로 레코드를 모델 작성 세트 및 과적합 방지 세트로 분리합니다. 과적합 방지 세트는 훈련 중에 오류를 추적하는 데 사용되는 독립 데이터 레코드 세트이며, 이는 메소드가 데이터에서 기회 변동을 모델링하지 못하게 합니다. 레코드의 백분율을 지정합니다. 기본값은 30 입니다.
use_customize_layer 부울 기본값은 false입니다. 의사결정 트리를 분할할 지점으로 특정 필드를 지정하려는 경우 이 특성을 true 로 설정할 수 있습니다.
customize_layer 목록 이 특성은 use_customize_layer 가 true로 설정된 경우에만 사용됩니다.
이 특성은 오브젝트의 목록입니다. 각 오브젝트에는 두 개의 속성이 있습니다.
  • Layer 는 의사결정 트리에서 사용자 정의할 특정 n번째 계층을 표시하는 정수입니다. SPSS Modeler에서 레이어는 0 (루트) 에서 시작합니다.
  • Fields 은 이름 목록입니다. 각 이름은 해당 Layer에 대해 의사결정 트리를 잠재적으로 분할할 필드 중 하나입니다. 이러한 필드는 SPSS Modeler 에 의해 나열된 순서대로 평가됩니다.
SPSS Modeler 플로우가 실행될 때 CHAID 알고리즘은 각 레이어의 p 값을 기반으로 분할할 필드의 후보 목록을 평가하고 리턴합니다. 사용자 정의 레이어의 경우 레이어에 대해 지정한 각 필드는 필드의 전체 후보 목록과 비교됩니다. 후보 목록의 필드와 일치하는 첫 번째 필드가 분할에 사용됩니다. 지정된 나머지 필드는 무시됩니다. 일치하는 필드가 없으면 경고 메시지가 표시되고 트리가 정상으로 분할됩니다.