xgboostasnode özellikleri

XGBoost-AS düğümü simgesiXGBoost, renk geçişi artırıcı algoritmasının gelişmiş bir uygulamasıdır. Algoritmaları ilerletme, zayıf sınıflandırıcıları yineliyor ve daha sonra onları son güçlü bir sınıflandırıcıya ekler. XGBoost çok esnektir ve çoğu kullanıcıya karşı ezici olabilecek birçok parametre sağlar, bu nedenle SPSS Modeler içindeki XGBoot-AS düğümü, temel özellikleri ve yaygın olarak kullanılan parametreleri içerir. XGBoot-AS düğümü Spark içinde uygulanır.

Tablo 1. xgboostasnode özellikleri
xgboostasnode Özellikler Veri tipi Özellik açıklaması
target_field alan Hedef için alan adlarının listesi.
input_fields alan Girişlere ilişkin alan adlarının listesi.
nWorkers tamsayı XGBoost modelini eğitmek için kullanılan işçilerin sayısı. Varsayılan değer 1' dir.
numThreadPerTask tamsayı Çalışan başına kullanılan iş parçacıklarının sayısı. Varsayılan değer 1' dir.
useExternalMemory Boole Dış belleğin önbellek olarak kullanılmasının gerekip gerekmediğini. Varsayılan değer, falsedeğeridir.
boosterType dize Kullanılacak güçlendirici tipi. Kullanılabilecek seçenekler şunlardır: gbtree, gblinearya da dart. Varsayılan değer gbtree' dir.
numBoostRound tamsayı İlerletme için yapılan atışların sayısı. 0 ya da daha yüksek bir değer belirtin. Varsayılan değer 10' dir.
scalePosWeight Çift Pozitif ve negatif ağırlıkların bakiyesisini kontrol edin. Varsayılan değer 1' dir.
randomseed tamsayı Rasgele sayı üreteci tarafından kullanılan tohum. Varsayılan değer 0' dır.
objectiveType dize Öğrenme hedefi. Olası değerler şunlardır:reg:linear, reg:logistic, reg:gamma, reg:tweedie,rank:pairwise, binary:logisticya da multi. İşaret hedefleri için yalnızca binary:logistic ya da multi kullanılabileceği unutulmadır. multi kullanılırsa, puan sonucu multi:softmax ve multi:softprob XGBoost nesnel tiplerini gösterir. Varsayılan değer reg:linear' dir.
evalMetric dize Doğrulama verilerine ilişkin değerlendirme metrikleri. Hedefe göre varsayılan bir metrik atanır. Olası değerler şunlardır: rmse, mae, logloss, error, merror, mlogloss, auc, ndcg, mapya da gamma-deviance. Varsayılan değer rmse' dir.
lambda Çift AğırlıklardaL2 düzenlendirme terimi. Bu değerin artırılması modeli daha tutucu hale getirecektir. Specify any number 0 or greater. Varsayılan değer 1' dir.
alpha Çift AğırlıklardaL1 düzenleme terimi. Bu değerin artırılması modeli daha tutucu hale getirecektir. Specify any number 0 or greater. Varsayılan değer 0' dir.
lambdaBias Çift L2 regularization term on bias. gblinear booster tipi kullanılırsa, bu lamda yanlılık doğrusal booster değiştirgesi kullanılabilir. Specify any number 0 or greater. Varsayılan değer 0' dir.
treeMethod dize gbtree ya da dart booster tipi kullanılırsa, ağaç büyümesi için bu ağaç yöntemi değiştirgesi (ve izleyen diğer ağaç değiştirgeleri) kullanılabilir. Kullanılacak XGBoost ağacı oluşturma algoritmasını belirtir. Kullanılabilecek seçenekler şunlardır: auto, exactya da approx. Varsayılan değer auto' dir.
maxDepth tamsayı Ağaçlar için derinlik üst sınırı. 2 ya da daha yüksek bir değer belirtin. Varsayılan değer 6' dir.
minChildWeight Çift Bir alt öğede gereksinim duyulan eşgörünüm ağırlığı (hessian) alt sınırı. 0 ya da daha yüksek bir değer belirtin. Varsayılan değer 1' dir.
maxDeltaStep Çift Her bir ağacın ağırlık tahminine izin vermek için delta adımı üst sınırı. 0 ya da daha yüksek bir değer belirtin. Varsayılan değer 0' dir.
sampleSize Çift Alt örnek, eğitim eşgörünümünün oranıdır. 0.1 ile 1.0arasında bir değer belirtin. Varsayılan değer 1.0' dir.
eta Çift Güncellemeyi önlemek için güncelleme adımı sırasında kullanılan adım büyüklüğü küçülmesi. 0 ile 1arasında bir değer belirtin. Varsayılan değer 0.3' dir.
gamma Çift Ağacın yaprak düğümünde daha fazla bölüm yapmak için gereken kayıp azaltma alt sınırı. Specify any number 0 or greater. Varsayılan değer 6' dir.
colsSampleRatio Çift Her ağacı oluştururken sütunların alt örnek oranı. 0.01 ile 1arasında bir değer belirtin. Varsayılan değer1' dir.
colsSampleLevel Çift Her bir bölmede, her bir bölmeye ilişkin sütunların alt örnek oranı. 0.01 ile 1arasında bir değer belirtin. Varsayılan değer 1' dir.
normalizeType dize dart booster tipi kullanılırsa, bu dart parametresi ve aşağıdaki üç dart parametresi mevcuttur. Bu değiştirge normalleştirme algoritmasını ayarlar. Specify tree or forest. Varsayılan değer tree' dir.
sampleType dize Örnekleme algoritması tipi. Specify uniform or weighted. Varsayılan değer uniform' dir.
rateDrop Çift Droput dart booster parametresi. 0.0 ile 1.0arasında bir değer belirtin. Varsayılan değer 0.0' dir.
skipDrop Çift Bırakma olasılığına ilişkin dart artırıcı parametresi. 0.0 ile 1.0arasında bir değer belirtin. Varsayılan değer 0.0' dir.