Propriedades de questnode
O nó Quest fornece um método de classificação binário para construir árvores de decisão, projetado
para reduzir o tempo de processamento necessário para grandes análises de Árvore C&R, enquanto também
reduz a tendência localizada nos métodos da árvore de classificação para favorecer entradas que permitem mais divisões. Campos de entrada podem ser intervalos numéricos (contínuos), mas o campo de resposta deve ser categórico. Todas as divisões são binárias.
Exemplo
node = stream.create("quest", "My node")
node.setPropertyValue("custom_fields", True)
node.setPropertyValue("target", "Drug")
node.setPropertyValue("inputs", ["Age", "Na", "K", "Cholesterol", "BP"])
node.setPropertyValue("model_output_type", "InteractiveBuilder")
node.setPropertyValue("use_tree_directives", True)
node.setPropertyValue("max_surrogates", 5)
node.setPropertyValue("split_alpha", 0.03)
node.setPropertyValue("use_percentage", False)
node.setPropertyValue("min_parent_records_abs", 40)
node.setPropertyValue("min_child_records_abs", 30)
node.setPropertyValue("prune_tree", True)
node.setPropertyValue("use_std_err", True)
node.setPropertyValue("std_err_multiplier", 3)Propriedades questnode |
Valores | Descrição da propriedade |
|---|---|---|
target |
campo | Os modelos de Busca requerem um único campo de destino e um ou mais campos de entrada. Um campo de frequência também pode ser especificado. Veja Propriedades do nó de modelagem comum para obter mais informações. |
continue_training_existing_model |
sinalização | |
objective |
Standard Boosting Bagging psm |
O psm é usado para conjuntos de dados muito grandes e requer uma conexão do servidor. |
model_output_type |
Single InteractiveBuilder |
|
use_tree_directives |
sinalização | |
tree_directives |
sequência | |
use_max_depth |
Default Custom |
|
max_depth |
Número inteiro | Profundidade máxima da árvore, de 0 a 1000. Usado apenas se use_max_depth =
Custom. |
prune_tree |
sinalização | Poda a árvore para evitar super ajuste. |
use_std_err |
sinalização | Utiliza a diferença máxima em risco (nos Erros Padrão). |
std_err_multiplier |
number | Diferença máxima. |
max_surrogates |
number | Máximo de substitutos. |
use_percentage |
sinalização | |
min_parent_records_pc |
number | |
min_child_records_pc |
number | |
min_parent_records_abs |
number | |
min_child_records_abs |
number | |
use_costs |
sinalização | |
costs |
estruturado | Propriedade estruturada. |
priors |
Data Equal Custom |
|
custom_priors |
estruturado | Propriedade estruturada. |
adjust_priors |
sinalização | |
trails |
number | Número de modelos de componente para boosting ou bagging. |
set_ensemble_method |
Voting HighestProbability HighestMeanProbability |
Regra de combinação padrão para variáveis resposta categórica. |
range_ensemble_method |
Mean Median |
Regra de combinação padrão para variáveis resposta contínua. |
large_boost |
sinalização | Aplica boosting em conjuntos de dados muito grandes. |
split_alpha |
number | Nível de significância para divisão. |
train_pct |
number | Conjunto de prevenção ao super ajuste |
set_random_seed |
sinalização | Replica a opção de resultados. |
seed |
number | |
calculate_variable_importance |
sinalização | |
calculate_raw_propensities |
sinalização | |
calculate_adjusted_propensities |
sinalização | |
adjusted_propensity_partition |
Test Validation |