自動分類器節點

「自動分類器」節點使用多種不同的方法來估計和比較名義（集合）或二元（是/否）目標的模型，這使您可以在一次建模執行中嘗試多種方法。您可以選取要使用的演算法，且可以試用多個選項的組合。例如，您無需在徑向基底函數、多項式、sigmoid 或線性方法中選擇一種來用於 SVM，您可以全部都嘗試一下。該節點將探究每種可能的選項組合，並根據您指定的測量對每個候選模型進行排等級，然後儲存最佳模型以用於評分或進行進一步分析。如需相關資訊，請參閱自動建模節點。

範例

某零售公司具有歷程資料，可用於追蹤過去行銷活動中針對特定客戶的報價。公司現在希望通過向每個客戶提供合適的報價來獲取更多的利潤。

需求

一個測量層次為名義或旗標的目標欄位（角色設定為目標）和至少一個輸入欄位（角色設定為輸入）。對於「旗標」欄位，假定為目標欄位定義的true值代表計算利潤、提升和相關統計資料時的命中數。輸入欄位的測量層次可以是連續或種類，但具有限制，即某些輸入可能不適合一些模型類型。例如，在 C&R 樹狀結構、CHAID 和 QUEST 模型中用作輸入的序數欄位必須是數值儲存類型（而不是字串），如果指定了其他類型，將被這些模型忽略。類似地，在某些情況下可對連續輸入欄位進行分組。這和使用單個建模節點時的要求一樣；例如，不管是從貝葉斯網路節點還是自動分類器節點產生，貝葉斯網路模型都以同樣的方式工作。

頻率和加權欄位

頻率與加權用來向部分記錄提供高於其他記錄的額外重要性，例如，使用者知道建置資料集未充分代表一部分母體（加權），或者因為一筆記錄代表數個相同的觀察值（頻率）。如果指定了頻率欄位，那麼 C&R 樹狀結構、CHAID、QUEST、決策清單和貝葉斯網路模型可以使用此欄位。C&RT、CHAID 和 C5.0 模型可以使用加權欄位。其他模型類型將忽略這些欄位並且無論如何都會建置模型。頻率和加權欄位僅用於模型建置，並且在評估和評分模型時不予以考慮。如需相關資訊，請參閱使用頻率和加權欄位。

字首

如果您將表格節點附加到自動分類器節點塊，那麼表格中存在多個名稱以字首 $ 開頭的新變數。

在評分期間產生的欄位名稱基於目標欄位，但具有標準字首。不同的模型類型使用不同的字首集。

例如，字首 $G、$R、$C 分別用作「廣義線性」模型、CHAID 模型及 C5.0 模型所產生預測的字首。$X 通常是利用集合來產生，而 $XR、$XS 和 $XF 分別在目標欄位是「連續」、「種類」或「旗標」欄位的情況下用作字首。

$..C 字首用於預測種類或旗標目標的信賴度；例如，$XFC 用作總體旗標預測信賴度的字首。$RC 和 $CC 分別是 CHAID 模型和 C5.0 模型的單一預測信賴度的字首。