Propriedades de questnode

Ícone do nó quest 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)

Tabela 1. propriedades de questnó
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`