Propriedades de c50node
O nó C5.0 constrói uma árvore de decisão ou um conjunto de regras. O modelo funciona dividindo a amostra com base no campo que fornece o ganho máximo de informações em cada nível. O campo de destino deve ser categórico. São permitidas várias divisões em mais de dois subgrupos.
Exemplo
node = stream.create("c50", "My node")
# "Model" tab
node.setPropertyValue("use_model_name", False)
node.setPropertyValue("model_name", "C5_Drug")
node.setPropertyValue("use_partitioned_data", True)
node.setPropertyValue("output_type", "DecisionTree")
node.setPropertyValue("use_xval", True)
node.setPropertyValue("xval_num_folds", 3)
node.setPropertyValue("mode", "Expert")
node.setPropertyValue("favor", "Generality")
node.setPropertyValue("min_child_records", 3)
# "Costs" tab
node.setPropertyValue("use_costs", True)
node.setPropertyValue("costs", [["drugA", "drugX", 2]])Propriedades c50node |
Valores | Descrição da propriedade |
|---|---|---|
target |
campo | Os modelos C50 utilizam um único campo de destino e um ou mais campos de entrada. Também é possível especificar um campo de peso. Veja Propriedades do nó de modelagem comum para obter mais informações. |
output_type |
DecisionTree RuleSet |
|
group_symbolics |
sinalização | |
use_boost |
sinalização | |
boost_num_trials |
number | |
use_xval |
sinalização | |
xval_num_folds |
number | |
mode |
Simple Expert |
|
favor |
Accuracy Generality |
Favorece a precisão ou a generalidade. |
expected_noise |
number | |
min_child_records |
number | |
pruning_severity |
number | |
use_costs |
sinalização | |
costs |
estruturado | Esta é uma propriedade estruturada. Veja o exemplo para uso. |
use_winnowing |
sinalização | |
use_global_pruning |
sinalização | Ativado (True) por padrão. |
calculate_variable_importance |
sinalização | |
calculate_raw_propensities |
sinalização | |
calculate_adjusted_propensities |
sinalização | |
adjusted_propensity_partition |
Test Validation |