デシジョン ツリー

依存カラムは、目の色 = 青、緑、または茶色などのカテゴリ型 (整数を含む) である必要があります。

各独立カラムは 1,000 個の個別の値に制限されます。

各独立変数のリーフ ノードの数はデータによって異なります (つまり、デシジョン ツリーには 3 つ以上のリーフ ノードが存在する可能性があります)。

[カラム名] をクリックすると、分析に使用できる入力データセットからカラムを選択するためのダイアログが開きます。

• 最大深度はツリーの成長段階で使用されます。
• 可能な値の範囲は、-1 から 0 より大きい整数までです。
• 値 -1 は「境界なし」を表します。ツリーは、ノードが空になるまで任意のサイズまたは数のデシジョン ノードを取ることができます。

デフォルト値: 5

確信度は、デシジョン ツリー アルゴリズムの枝刈りフェーズを制御します。

• 枝刈りフェーズでは、信頼区間を使用してノードの「最悪の場合」のエラー率を推定します。
• 信頼レベルは、リーフ ノードでエラーが見つかる可能性の確実性係数または上限です。
• ノードのエラー率がこの 確信度制限を超える場合、そのノードはプルーニングされます。これは、リーフ ノードに誤った分類が存在する確率と考えることができます。
• より高い確信度の値を設定すると、モデルで個々のエラー率がより高い (枝刈りが少なくなる) ノードを使用できるようになります。
• 確信度の値を低く設定すると、エラーに対する許容度が低くなり、より多くの枝刈りが行われることを示します。
• 信頼度は、剪定が [true] に設定されている場合 (つまり、[剪定なし] プロパティが true の場合) にのみ適用されます。ただし、常に 0.50 以下に設定する必要があります。そうしないとシステムが実行されません。リーフ ノードでエラーが発生する可能性が 50% を超えるのは意味がありません。

デフォルト値: 0.25。リーフ ノード分類セットにエラーが存在する確率が 25% であることを表します。

• 最小ゲインはツリーの成長フェーズに使用されます。
• 可能な値の範囲は、0 以上の任意の 10 進数値です。
• これを情報理論で表現すると、変数値に基づいてノードを分割することで除去する必要があるエントロピー量のしきい値となります。

デフォルト値: 0.1。これは、ノードの分割を正当化するために達成する必要がある情報利得の 10% という制限を表します。

独立変数のカラムは、分割が行われる前にスコア (つまり、情報ゲイン) によって並べ替えられます。剪定前の段階で、より大きなスコアを持つカラムが最小リーフ サイズ条件を満たさない場合、そのカラムは分割対象として無視され、条件を満たすカラムが見つかるか 事前剪定代替案の数が満たされるまで、次のカラムがチェックされます。

可能な値の範囲は 0 以降の任意の整数です。

デフォルト値: 3

• 可能な値の範囲は、1 以上の任意の整数です。
• 分割の最小サイズは、プルーニング前の段階で参照されます。

デフォルト値: 4

詳細については、「枝刈りまたは事前枝刈り」を参照してください。

可能な値の範囲は、1 以上の任意の整数値です。

• この設定では、リーフ ノードのサイズに基づいてツリーの深さを制限し、十分なデータがツリーの各部分に到達するようにします。
• これは、たとえば、モデルの構築に時間がかかりすぎる場合、またはモデルがトレーニング データでは非常に優れた ROC を示しているが、ホールドアウト データや交差検証データでは (オーバー フィッティングのため) それほど良好なパフォーマンスが得られない場合に役立ちます。
• たとえば、[最小リーフ サイズ] が 2 の場合、各ターミナル リーフ ノードには少なくとも 2 つのトレーニング データ ポイントが含まれている必要があります。

デフォルト値: 2