rastgeleağaç özellikleri

Rasgele Ağaçlar düğümü simgesi Rasgele Ağaçlar düğümü, C & RT Ağaç düğümüne benzer; ancak, Rasgele Ağaç düğümü, tek bir ağaç oluşturmak için büyük verileri işlemek üzere tasarlanmıştır. Rasgele Ağaç Ağacı düğümü, gelecekteki gözlemleri tahmin etmek ya da sınıflandırmak için kullandığınız bir karar ağacı oluşturur. Bu yöntem, her adımda imsaflığı en aza indirerek eğitim kayıtlarını bölümlere ayırmak için özyineli bölümleme kullanır; bu, düğümdeki vakaların %100 'ü hedef alanın belirli bir kategorisine denk düşerse, ağaçtaki bir düğümün saf olarak kabul edilmesi gerekir. Hedef ve giriş alanları sayısal aralıklar ya da kategorik (nominal, sıra ya da işaret) olabilir; tüm bölmeleri ikili olur (yalnızca iki alt grup).

Tablo 1. rasgele ağaç özellikleri özellikleri
`randomtrees` Özellikler	Değerler	Özellik açıklaması
`target`	alan	Random Trees düğümünde, modeller tek bir hedef ve bir ya da daha fazla giriş alanı gerektirir. Bir sıklık alanı da belirtilebilir. Ek bilgi için Ortak modelleme düğümü özellikleri başlıklı konuya bakın.
`number_of_models`	tamsayı	Oluşturulabilir modellemenin bir parçası olarak oluşturulacak modellerin sayısını belirler.
`use_number_of_predictors`	işaret	`number_of_predictors` ' un kullanılıp kullanılmayacağını belirler.
`number_of_predictors`	tamsayı	Bölünmüş modelleri oluştururken kullanılacak tahmin edilicilerin sayısını belirtir.
`use_stop_rule_for_accuracy`	işaret	Doğruluğu iyileştirilemediğinde model oluşturma işlemi durdurulup durdurulmayacağını belirler.
`sample_size`	rakam	Çok büyük veri kümelerini işlerken performansı artırmak için bu değeri azaltın.
`handle_imbalanced_data`	işaret	Modelin hedefi belirli bir işaret sonucunun hedefi ise ve istenilen sonucun istenmeyen bir sonuca oranı çok küçükse, veriler dengesizdir ve modelin yaptığı önyükleme örnekleme modelin doğruluğu etkileyebilir. Modelin istenen sonucun daha büyük bir oranını yakalayacak ve daha güçlü bir model oluşturabilmesi için dengesiz verilerin işlenmesini etkinleştirin.
`use_weighted_sampling`	işaret	Falseolduğunda, her bir düğüme ilişkin değişkenler aynı olasılık ile rasgele seçilir. True(Doğru) olduğunda değişkenler ağırlıklı olur ve buna göre seçilir.
`max_node_number`	tamsayı	Her ağaçta izin verilen düğüm sayısı üst sınırı. Bir sonraki bölmede sayı aşılacaksa, ağaç büyüme halleri.
`max_depth`	tamsayı	Büyüme hallerinden önce ağaç derinliği üst sınırı.
`min_child_node_size`	tamsayı	Bir alt düğümde, üst düğüm bölündükten sonra izin verilen kayıt sayısı alt sınırını belirler. Bir alt düğüm, burada belirtilenden daha az sayıda kayıt içerecekse, üst düğüm bölünmez.
`use_costs`	işaret
`costs`	yapılandırılmış	Yapılandırılmış özellik. Biçim, 3 değerin bir listesidir: gerçek değer, öngörülen değer ve bu öngörü yanlışsa maliyeti. Örneğin: `tree.setPropertyValue("costs", [["drugA", "drugB", 3.0], ["drugX", "drugY", 4.0]])`
`default_cost_increase`	`none` `linear` `square` `custom`	Bunun yalnızca sıra hedefleri için etkinleştirildiğini unutmayın. Maliyetler matrisinde varsayılan değerleri ayarlayın.
`max_pct_missing`	tamsayı	Herhangi bir girişteki eksik değerlerin yüzdesi, burada belirtilen değerden büyükse, giriş dışlanır. En az 0, en fazla 100.
`exclude_single_cat_pct`	tamsayı	Bir kategori değeri, kayıtların daha yüksek bir yüzdesini burada belirtilenden daha yüksek temsil ediyorsa, tüm alan model binasından çıkarılır. En az 1, en fazla 99.
`max_category_number`	tamsayı	Bir alandaki kategori sayısı bu değeri aşarsa, alan model binasından çıkarılır. En az 2.
`min_field_variation`	rakam	Sürekli bir alanın çeşitlemesi katsayısı bu değerden küçükse, alan model binasından çıkarılır.
`num_bins`	tamsayı	Yalnızca, veriler sürekli girişlerden oluşan bir veri varsa kullanılır. Girişler için kullanılacak eşit sıklık bölmeleri sayısını ayarlayın; seçenekler şunlardır: 2, 4, 5, 10, 20, 25, 50 ya da 100.
`topN`	tamsayı	Raporlanacak kural sayısını belirtir. Varsayılan değer 50, en az 1 ve en çok 1000 'dir.