勾配ブーストによるツリー分類

このオペレーターは、Spark ML の勾配ブーストツリー分類アルゴリズムを実装します。

情報一覧

ノート: このオペレーターは、TIBCO® Data Virtualization および Apache Spark 3.2 以降でのみ使用できます。

パラメーター	説明
カテゴリー	モデル
データソースタイプ	TIBCO® Data Virtualization
出力を他のオペレーターに送信	はい
データ処理ツール	TIBCO® DV, Apache Spark 3.2 以降

アルゴリズム

勾配ブーストツリーアルゴリズムは、一連の浅いデシジョンツリーによって以前のツリーの予測誤差を段階的に削減する予測手法です。このオペレーターは、Spark MLlib からの勾配ブーストツリー分類アルゴリズムを実装します。

ノート: 現在、このオペレーターはバイナリ分類のみをサポートしています。

入力

入力は単一の表形式のデータセットです。

不正な値または欠落している値

Null 値は許されず、エラーとなります。
最大ビン数パラメーターは、カテゴリ特徴量の最大カーディナリティまで増やす必要があります。ただし、利用可能なリソースによっては、システムが非常に高い値を処理できず、エラーが発生する場合があります。
依存カラムのレベル数が 2 に等しくない場合、エラーが報告されます。

構成

ユーザーは、交差検証トレーニング手法を使用して関心のあるハイパーパラメーターを微調整し、指定されたメトリックを使用してパフォーマンスを評価できます。次の表には、勾配ブーストツリー分類オペレーターの構成の詳細が含まれています。

パラメーター	説明
ノート	このオペレーターのパラメーター設定に関するメモまたは役立つ情報。 [ノート] フィールドに内容を入力すると、オペレーターに黄色のアスタリスクが表示されます。
従属変数	カテゴリカルデータカラムを依存カラムとして指定します。
利用可能なすべてのカラムを予測子として使用する	[はい] に設定すると、オペレーターは使用可能なすべてのカラムを予測子として使用し、連続予測子パラメーターとカテゴリカル予測子パラメーターを無視します。 [いいえ] に設定すると、ユーザーは連続予測変数またはカテゴリ予測変数の少なくとも 1 つを選択する必要があります。
連続予測子	数値データカラムを独立したカラムとして指定します。数値列である必要があります。 [カラムの選択] をクリックして、必要なカラムを選択します。ノート: カテゴリー予測子パラメーターで選択されたカラムは使用できません。
カテゴリー予測子	カテゴリデータカラムを独立列として指定します。ノート: 連続予測子パラメーターで選択されたカラムは使用できません。
評価指標	交差検証トレーニング中にモデルのパフォーマンスを評価するためのメトリック。詳細については、多項ロジスティック回帰に関する Spark ドキュメントを参照してください。次の値が使用可能です。 Auto FMeasure Accuracy Auto の場合、オペレーターは Accuracy を使用します。ノート: FMeasure のベータパラメーターの値は 1 に設定されます。デフォルト: Auto
ツリーの数	ツリーの数を指定する文字列。このパラメーターの入力は、コンマで区切られた一連の整数値である必要があります (10、100 など)。デフォルト: 100
特徴関数の数	各決定ツリーを構築するための特徴の数を決定する関数。次の値が使用可能です。すべて 1/3 平方根 Log2 ユーザー定義デフォルト: 平方根
特徴サンプリング率	機能関数の数がユーザー定義に設定されている場合に使用するノードあたりの機能の数の割合。このパラメーターの入力は、(0,1) のダブル値のカンマ区切りシーケンスである必要があります。デフォルト: 0.5、0.7
最大深度	各ツリーの最大深さ。このパラメーターの入力は、コンマで区切られた一連の整数値である必要があります。デフォルト: 3、5
行サンプリング率	各デシジョンツリーを構築するためのトレーニングデータの割合。このパラメーターの入力は、(0,1) のダブル値のカンマ区切りシーケンスである必要があります。デフォルト: 1
最小リーフサイズ	デシジョンツリーの末端リーフノード内に存在するデータインスタンスの最小数。このパラメーターの入力は、コンマで区切られた整数値のシーケンス (たとえば、1,2) である必要があります。デフォルト: 1
最大ビン数	連続フィーチャの離散化と分割に使用されるビンの最大数。このパラメーターの入力は、コンマで区切られた整数値のシーケンス (たとえば、256) である必要があります。最大ビン数の数は、選択したカテゴリーカラムの一意のレベルの数よりも大きくする必要があります。デフォルト: 32
学習率	各推定量の寄与を制御する収縮パラメータ。このパラメーターの入力は、間隔 (0,1) のダブル値のカンマ区切りシーケンスである必要があります。デフォルト: 0.1
交差検証フォールドの数	交差検証サンプルの数。デフォルト: 3
ランダムシード	擬似ランダム行抽出に使用されるシード。デフォルト: 1

出力

ビジュアル出力

パラメーターサマリー情報: 入力パラメーターとその現在の設定に関する情報が表示されます。
変数の重要度: トレーニングプロセスで評価された予測子の重要度を表示します。各予測変数について、モデルの重要性が 2 番目のカラムに表示されます。
トレーニングのサマリー: テストされたハイパーパラメーターの組み合わせごとに行を含む表が表示されます。ハイパーパラメーターごとに、選択したメトリックが表示され、最適なモデルがマークされます。

後続のオペレーターへの出力

予測子、適合度、および混同行列オペレーターとともに使用できる分類モデルオブジェクト。