Propriedades de cartnode
O nó Classificação e Regressão (C e R) gera uma árvore de decisão que permite prever ou classificar futuras observações. O método usa o particionamento recursivo para dividir os
registros de treinamento em segmentos, minimizando a impureza em cada etapa, em que um nó na árvore será
considerado "puro" se 100% dos casos no nó caírem em uma categoria específica do campo de destino. Os campos de destino e de entrada podem ser intervalos numéricos ou categóricos (nominais, ordinais ou sinalizadores); todas as divisões são binárias (apenas dois subgrupos).
Exemplo
node = stream.createAt("cart", "My node", 200, 100)
# "Fields" tab
node.setPropertyValue("custom_fields", True)
node.setPropertyValue("target", "Drug")
node.setPropertyValue("inputs", ["Age", "BP", "Cholesterol"])
# "Build Options" tab, "Objective" panel
node.setPropertyValue("model_output_type", "InteractiveBuilder")
node.setPropertyValue("use_tree_directives", True)
node.setPropertyValue("tree_directives", """Grow Node Index 0 Children 1 2
Grow Node Index 2 Children 3 4""")
# "Build Options" tab, "Basics" panel
node.setPropertyValue("prune_tree", False)
node.setPropertyValue("use_std_err_rule", True)
node.setPropertyValue("std_err_multiplier", 3.0)
node.setPropertyValue("max_surrogates", 7)
# "Build Options" tab, "Stopping Rules" panel
node.setPropertyValue("use_percentage", True)
node.setPropertyValue("min_parent_records_pc", 5)
node.setPropertyValue("min_child_records_pc", 3)
# "Build Options" tab, "Advanced" panel
node.setPropertyValue("min_impurity", 0.0003)
node.setPropertyValue("impurity_measure", "Twoing")
# "Model Options" tab
node.setPropertyValue("use_model_name", True)
node.setPropertyValue("model_name", "Cart_Drug")Propriedades cartnode |
Valores | Descrição da propriedade |
|---|---|---|
target |
campo | Os modelos de árvore C&R requerem um único campo de destino e um ou mais campos de entrada. Um campo de frequência também pode ser especificado. Veja o tópico 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 | Especificar diretivas para o crescimento da árvore. As diretivas podem ser agrupadas entre aspas triplas para evitar escape de novas linhas ou de aspas. Observe que as diretivas podem ser altamente sensíveis a pequenas mudanças nos dados ou nas opções de modelagem e podem não generalizar a outros conjuntos de dados. |
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. |
min_impurity |
number | |
impurity_measure |
Gini Twoing Ordered |
|
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 |