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 |
Тип многоклассовой классификации | Раскрывающийся список со следующими значениями: - Бинарная классификация (по умолчанию)
- Многоклассовая классификация
| Данный параметр задает тип многоклассовой классификации. Предусмотрены следующие методы: - Бинарная классификация – метод «один против остальных»
- Многоклассовая классификация – метод «многие против многих»
Если решается бинарная логистическая регрессия, разницы между рассматриваемыми методами нет.
|
Добавить константу в модель | Чекбокс | Выбор данного чекбокса добавит константу в модель |
L1 | Ручной ввод Число больше или равное 0 По умолчанию — 0,5 | Данный параметр задает значение L1-регуляризации |
L2 | Ручной ввод Число больше или равное 0 По умолчанию — 0,5 | Данный параметр задает значение L2-регуляризации |
Seed | Ручной ввод числового значения По умолчанию — 42 | Начальное числовое значение для генератора случайных чисел |
Количество итераций | Ручной ввод Неотрицательное число По умолчанию — 100 | Данный параметр задает количество итераций, после достижения алгоритм останавливается |
Метод оптимизации | Раскрывающийся список со следующими значениями: - lbfgs (по умолчанию)
- newton-cg
- liblinear
- sag
- saga
| Данный параметр задает метод оптимизации. Предусмотрены следующие методы: - lbfgs – использует вторую производную матрицу функции потерь для итерационной оптимизации функции потерь
- newton-cg – использует алгоритм Newton-Conjugate-Gradient
- liblinear – использует метод спуска оси координат для итеративной оптимизации функции потерь
- sag – стохастический средний градиентный спуск
- saga – использует улучшенную версию стохастического среднего градиентного спуска
Метод liblinear доступен только при выборе бинарной классификации. Методы newton-cg, lbfgs, sag и saga обрабатывают L2 или без штрафа. Методы liblinear и saga также обрабатывают штраф L1. Метод saga также поддерживает штраф elasticnet (L1 + L2). Для небольших наборов данных метод liblinear - хороший выбор, тогда как sag и saga быстрее для больших. В случае неправильно выставленных пользователем методов оптимизации, автоматически будет произведена замена. |
Допустимая погрешность | Ручной ввод Неотрицательное число По умолчанию — 0,0001 | Данный параметр задает допустимую погрешность для оптимизации, после достижения которой алгоритм останавливается |