propriedades do nó linear xgboost

XGBoost Linear nó íconeO XGBoost Linear© é uma implementação avançada de um algoritmo de aumento de gradiente com um modelo linear como modelo base. Os algoritmos de reforço aprendem iterativamente classificadores fracos e depois os adicionam a um classificador forte final. O nó XGBoost Linear em SPSS Modeler é implementado em Python.

Tabela 1. propriedades xgboostlinearnode
xgboostlinearnode 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. Depois de selecionar essa opção, especifique os campos conforme necessário.
target campo  
inputs campo  
alpha Duplo O parâmetro de reforço linear alfa. Especifique qualquer número 0 ou maior. O padrão é 0.
lambda Duplo O parâmetro de reforço linear lambda. Especifique qualquer número 0 ou maior. O padrão é 1.
lambdaBias Duplo O parâmetro de reforço linear de polarização lambda. Especifique qualquer número. O padrão é 0.
num_boost_round número inteiro O valor arredondado do aumento numérico para a construção de modelos. Especifique um valor entre 1 e 1000. O padrão é 10.
objectiveType sequência O tipo de objetivo para a tarefa de aprendizado. Os valores possíveis sãoreg:linear, reg:logistic, reg:gamma, reg:tweedie,count:poisson,rank:pairwise, binary:logistic, ou multi. Observe que, para alvos de sinalização, somente binary:logistic ou multi podem ser usados. Se multi for usado, o resultado da pontuação mostrará os tipos de objetivo multi:softmax e multi:softprob XGBoost.
random_seed número inteiro A semente do número aleatório. Qualquer número entre 0 e 9999999. O padrão é 0.
useHPO Booleano Especifique true ou false para ativar ou desativar as opções de HPO. Se definido como true, o Rbfopt será aplicado para encontrar automaticamente o "melhor" modelo SVM de classe única, que atinge o valor do objetivo definido pelo usuário com o parâmetro target_objval .