propriedades rfnode

Ícone de nó da Floresta O Random Forest nó utiliza uma implementação avançada de um algoritmo de bagging com um modelo de árvore como o modelo base. Este Nó de modelagem de floresta aleatória em SPSS Modeler é implementado em Python e requer a biblioteca scikit-learn© Python .

Tabela 1. propriedades rfnode
propriedades `rfnode`	Tipo de dados	Descrição da propriedade
`custom_fields`	Booleano	Essa opção instrui o nó a utilizar as informações de campo especificadas aqui ao invés das informações fornecidas em qualquer nó ou nós Tipo de envio de dados. Após selecionar essa opção, especifique os campos a seguir conforme necessário.
`inputs`	campo	Lista dos nomes de campo para entrada.
`target`	campo	Um nome de campo para destino.
`fast_build`	Booleano	Utilize múltiplos núcleos da CPU para melhorar a construção de modelo.
`role_use`	sequência	Especifique `predefined` para usar funções predefinidas ou `custom` para usar designações de campo customizadas. O padrão é predefinido.
`splits`	campo	Lista dos nomes de campo para divisão.
`n_estimators`	Número inteiro	Número de árvores a serem construídas. O padrão é `10`.
`specify_max_depth`	Booleano	Especifique a profundidade máxima customizada. Se `false`, os nós são expandidos até que todas as folhas sejam puras ou até que todas as folhas contenham menos que `min_samples_split` amostras. O padrão é `false`.
`max_depth`	Número inteiro	A profundidade máxima da árvore. O padrão é `10`.
`min_samples_leaf`	Número inteiro	Tamanho mínimo do nó da folha. O padrão é `1`.
`max_features`	sequência	O número de recursos a considerar ao procurar a melhor divisão: Se `auto`, então `max_features=sqrt(n_features)` para classificador e `max_features=sqrt(n_features)` para regressão. Se `sqrt`, então `max_features=sqrt(n_features)`. Se `log2`, então `max_features=log2 (n_features)`. O padrão é `auto`.
`bootstrap`	Booleano	Use amostras de autoinicialização ao construir árvores. O padrão é `true`.
`oob_score`	Booleano	Use amostras out-of-bag para estimar a precisão de generalização. O valor padrão é `false`.
`extreme`	Booleano	Use árvores extremamente randomizadas. O padrão é `false`.
`use_random_seed`	Booleano	Especifique isso para obter resultados replicados. O padrão é `false`.
`random_seed`	Número inteiro	O valor inicial de número aleatório para usar ao construir árvores. Especifique qualquer número inteiro.
`cache_size`	Valor flutuante	O tamanho do cache do kernel em MB. O padrão é `200`.
`enable_random_seed`	Booleano	Ativa o parâmetro `random_seed`. Especifique true ou false. O patrão é `false`.
`enable_hpo`	Booleano	Especifique `true` ou `false` para ativar ou desativar as opções de HPO. Se configurado como `true`, o Rbfopt será aplicado para determinar o "melhor" modelo de Floresta aleatória automaticamente, que atinge o valor do objetivo do destino definido pelo usuário com o parâmetro `target_objval` a seguir.
`target_objval`	Valor flutuante	O valor da função objetiva (taxa de erro do modelo nas amostras) que você deseja atingir (por exemplo, o valor do desconhecido ideal). Configure esse parâmetro para o valor apropriado se o ideal for desconhecido (por exemplo, `0.01`).
`max_iterations`	Número inteiro	O número máximo de iterações para tentar o modelo. O padrão é `1000`.
`max_evaluations`	Número inteiro	O número máximo de avaliações de função para tentar o modelo, em que o foco é a precisão sobre a velocidade. O padrão é `300`.