...
| Scroll Title |
|---|
| title-position | top |
|---|
| title-alignment | right |
|---|
| title | Параметры узла «Дерево решений» |
|---|
|
Параметр | Возможные значения и ограничения | Описание |
|---|
Название | Ручной ввод
Ограничений на значение нет | Название узла, которое будет отображаться в интерфейсе | Описание | Ручной ввод
Ограничений на значение нет | Описание узла | Критерий разбиения для классификации | Раскрывающийся список со следующими значениями: - gini (по умолчанию)
- entropy
| Данный параметр задает критерий разбиения на узлы для классификации. Предусмотрены следующие критерии: - gini (неопределенность Джини) –направлен на максимизацию количества пар объектов, одного класса, оказавшихся в одном поддереве.
- entropy (критерий прироста информации, энтропия) – направлен на максимизацию прироста информации
| Критерий разбиения для регрессии | Раскрывающийся список со следующими значениями: - squared error (по умолчанию)
- friedman mse
- absolute error
- poisson
| Данный параметр задает критерий разбиения для регрессионной задачи. Предусмотрены следующие критерии: - squared error (среднеквадратичная ошибка)
- friedman mse (среднеквадратичная ошибка с оценкой улучшения Фридмана)
- absolute error (средняя абсолютная ошибка)
- poisson (отклонение Пуассона)
| Стратегия разбиения | Раскрывающийся список со следующими значениями: - best (по умолчанию)
- random
| Данный параметр задает стратегию разделения на каждом узле. Предусмотрены следующие стратегии: - best – выбор наилучшей функции сегментации и точки сегментации
- random – случайное разделение
| Максимальная глубина | Ручной ввод
Неотрицательное число
По умолчанию — 5 | Данный параметр задает максимальную глубину дерева, после достижения которой алгоритм останавливает работу | Минимальное количество наблюдений для разбиения | Ручной ввод
Неотрицательное число
По умолчанию — 2 | Данный параметр задает минимальное количество наблюдений, которое должно быть в разбиении | Минимальное количество наблюдений в листе | Ручной ввод
Неотрицательное число
По умолчанию — 5 | Данный параметр задает минимальное количество наблюдений, которое может быть в листе | Минимальная доля веса наблюдений в листе | Ручной ввод
Неотрицательное число
По умолчанию — 0 | Данный параметр определяет минимальный весовой коэффициент выборки в листовом узле. По умолчанию наблюдения имеют одинаковый вес | Максимальное количество признаков | Раскрывающийся список со следующими значениями: - all (по умолчанию)
- sqrt
- log2
- number
- frac
| Данный параметр определяет максимальное количество признаков, которое будет учитываться при поиске лучшего разделения. Предусмотрены следующие варианты: - all – учитывать все доступные признаки
- sqrt – учитывать sqrt(число всех доступных признаков)
- log2 – учитывать log2(число всех доступных признаков)
- number – учитывать указанное число признаков
- frac – учитывать int(указанное число * число всех доступных признаков)
При выборе number или frac появится дополнительный параметр Число (вводится int) и Frac (вводится float) соответственно.
| Seed | Ручной ввод
По умолчанию — 12345 | Начальное числовое значение для генератора случайных чисел | Максимальное количество листов | Ручной ввод
Неотрицательное число | Данный параметр определяет максимальное количество листов в дереве | Минимальное снижение неоднородности | Ручной ввод
Неотрицательное число
По умолчанию — 0 | Данный параметр определяет минимальное снижение неоднородности
Узел будет разделен, если это разделение вызовет уменьшение неоднородности большее или равное указанному значению | ccp_alpha
(отсечение с минимизацией стоимости-сложности)
Метод отсечения дерева | Ручной ввод
По умолчанию — 0 | Данный параметр регулирует количество отсекаемых узлов. Чем больше значение ccp_alpha, тем большее количество узлов удаляется из дерева |
|
Результаты выполнения узла:
Узел «Дерево решений» имеет разные результаты в зависимости от решаемой задачи.
Результаты бинарной классификации представлены следующими объектами:
| Якорь |
|---|
_Ref91705494 | _Ref91705494 | Рисунок 127 — Пример графика ROC
| Якорь |
|---|
_Ref91705570 | _Ref91705570Рисунок 128 — Пример графика Lift
| Якорь |
|---|
_Ref91705653 | _Ref91705653Рисунок 129 — Пример графика Cumulative Lift
| Якорь |
|---|
_Ref91705726
_Ref91705726 | Рисунок 130 — Пример графика Gain- График Cumulative Gain (Рисунок 131).
| Якорь |
|---|
_Ref91705870
_Ref91705870 | Рисунок 131 — Пример графика Cumulative Gain- Диаграмма дерева решений (Рисунок 132).
| Якорь |
|---|
_Ref91705916
_Ref91705916 | Рисунок 132 — Пример графика дерева решений- Таблица с метриками качества модели (Рисунок 133).
| Якорь |
|---|
_Ref91706491
_Ref91706491 | Рисунок 133 — Пример таблицы с метриками качества модели- Таблица с метриками качества модели для задачи классификации (Рисунок 134).
| Якорь |
|---|
_Ref91706623 | _Ref91706623 | Рисунок 134 — Пример Пример таблицы с метриками качества модели для задачи классификации- Таблица со списком переменных, сортированных по важности (Рисунок 135).
| Якорь |
|---|
_Ref91706733
_Ref91706733 | | Якорь |
|---|
_Hlk91707335 | _Hlk91707335 | Рисунок 135 — Пример таблицы со списком переменных, отсортированных по важности
Результаты многоклассовой классификации представлены следующими объектами:
- Диаграмма дерева решений (аналогично Рисунок 132).
- Таблица с метриками качества модели (Рисунок 136).
anchor
_Ref91707360 | _Ref91707360 | Рисунок 136 — Пример таблицы с метриками качества модели- Таблица с метриками качества модели для задачи классификации (Рисунок 137).
anchor
_Ref91707406 | _Ref91707406 | Рисунок 137 — Пример таблицы с метриками качества модели для задачи классификации- Таблица со списком переменных, сортированных по важности (Рисунок 138).
| Якорь |
|---|
_Ref91707511 | _Ref91707511 | | Якорь |
|---|
_Hlk91708150 | _Hlk91708150Рисунок 138 — Пример таблицы со списком переменных, сортированных по важности
Результаты регрессии представлены следующими объектами:
- Тепловые карты обучающей, тестовой и валидационной выборок (Рисунок 139).
| Якорь |
|---|
_Ref91708195 | _Ref91708195Рисунок 139 — Пример тепловой карты на данных обучающей выборки"Тепловые" карты, отражающие корреляцию или ассоциацию типа хи-квадрат первоначальных значений с целевыми признаками по сегментам.- Диаграмма дерева решений (Рисунок 140).
| Якорь |
|---|
_Ref91708242 | _Ref91708242 | Рисунок 140 — Пример диаграммы дерева решений для задачи регрессии- Таблица с метриками качества модели (Рисунок 141).
| Якорь |
|---|
_Ref91708619 | _Ref91708619 | Рисунок 141 — Пример таблицы с метриками качества модели- Таблица со списком переменных, сортированных по важности (Рисунок 138).