propriedades do 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
`rfnode` properties	Tipo de dados	Descrição da propriedade
`custom_fields`	booleano	Essa opção instrui o nó a usar as informações de campo especificadas aqui em vez daquelas fornecidas em qualquer nó de tipo upstream. 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 o destino.
`fast_build`	booleano	Utilize vários núcleos de CPU para aprimorar a criação de modelos.
`role_use`	sequência	Especifique `predefined` para usar funções predefinidas ou `custom` para usar atribuições de campos personalizados. 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 personalizada. Se `false`, os nós são expandidos até que todas as folhas sejam puras ou até que todas as folhas contenham menos de `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 folha. O padrão é `1`.
`max_features`	sequência	O número de recursos a serem considerados ao procurar o melhor split: 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 bootstrap ao criar árvores. O padrão é `true`.
`oob_score`	Booleano	Use amostras fora do saco para estimar a precisão da generalização. O valor padrão é `false`.
`extreme`	Booleano	Use árvores extremamente aleatórias. O padrão é `false`.
`use_random_seed`	Booleano	Especifique isso para obter resultados replicados. O padrão é `false`.
`random_seed`	número inteiro	A semente de número aleatório a ser usada na construção de 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 verdadeiro ou falso. O padrão é `false`.
`enable_hpo`	Booleano	Especifique `true` ou `false` para ativar ou desativar as opções de HPO. Se definido como `true`, o Rbfopt será aplicado para determinar automaticamente o "melhor" modelo do Random Forest, que atinge o valor do objetivo definido pelo usuário com o seguinte parâmetro `target_objval` .
`target_objval`	valor flutuante	O valor da função objetiva (taxa de erro do modelo nas amostras) que você deseja alcançar (por exemplo, o valor do ótimo desconhecido). Defina esse parâmetro com o valor apropriado se o ótimo for desconhecido (por exemplo, `0.01`).
`max_iterations`	número inteiro	Número máximo de iterações para testar o modelo. O padrão é `1000`.
`max_evaluations`	número inteiro	Número máximo de avaliações de função para testar o modelo, em que o foco é a precisão em vez da velocidade. O padrão é `300`.