Geben Sie die Strategie für den fehlenden Wert und die Stoppregeln für die Zielgrößenoptimierung

Zielgrößenoptimierung > Optimierer

Diese Optionen sind für Random Forests^®-Modelle, MARS^®-Modelle und TreeNet^®-Modelle verfügbar.

Strategie für fehlende Werte

Wenn die Spezifikationen Optionen die Berücksichtigung fehlender Werte beinhalten, wirkt sich die Strategie der fehlenden Werte auf die Funktionsweise der Suche aus. Dynamisch Normalerweise funktioniert es gut.

Dynamisch: Die dynamische Strategie verwendet eine adaptive Strategie, um eine optimale Lösung mit oder ohne fehlende Werte zu finden. Die dynamische Strategie modelliert die Wahrscheinlichkeit des Fehlens für einzelne Prädiktorvariablen, bei denen in den Trainingsdaten Werte fehlten. Die Wahrscheinlichkeit, dass sie übersehen werden, hängt davon ab, wie wünschenswert die in Frage kommenden Lösungen bei der Suche sind. Nehmen wir zum Beispiel an, die optimale Lösung tritt ein, wenn X1 fehlt, X2 = -1,5, X3 fehlt und X4 eine von {"rot", "blau", "grün"} ist. Wenn der Optimierer dann sucht, neigt der Algorithmus dazu, die Wahrscheinlichkeit zu erhöhen, dass X1 und X3 fehlen, wenn X2 sich -1,5 nähert und X4 einer von {"rot", "blau", "grün"} ist.
Heuristisch: Die heuristische Strategie verwendet ein vorgefertigtes Verfahren, um eine optimale Lösung mit oder ohne fehlende Werte zu finden. Ziehen Sie das heuristische Verfahren in Betracht, wenn die dynamische Strategie zu viele Rechenressourcen verbraucht.

Stopp-Regeln

Geben Sie an, wann die Suche nach einer optimalen Lösung beendet werden soll. Im Idealfall findet die Suche eine Lösung mit einer Erwünschtheit von 1 und die Werte der Prädiktoren sind zufriedenstellend. Normalerweise verlängern Sie die Suche, um eine Lösung mit höherer Erwünschtheit zu finden.

Die Zeit in Minuten übersteigt: Erhöhen Sie die Zeit, um mehr Lösungen auszuprobieren. Geben Sie einen Wert von 0 oder höher ein.
Mit kleinen Werten erhalten Sie schnell eine Lösung, z. B. wenn Sie eine Beispielausgabe anzeigen möchten, aber keine Lösung mit hoher Erwünschtheit benötigen. Ein Wert von 0 stellt z. B. eine Lösung aus der ersten Iteration bereit.
Hinweis
In der Web-App ist 29 der Maximalwert.
Iterationen überschreiten: In der Regel legen Sie eine Zeit anstelle einer Anzahl von Iterationen fest, da die Zeit zum Abschließen einer Anzahl von Iterationen von Datensatz zu Datensatz unterschiedlich ist. Geben Sie eine größere Anzahl von Iterationen an, um mehr Lösungen auszuprobieren.
Mit kleinen Werten erhalten Sie schnell eine Lösung, z. B. wenn Sie eine Beispielausgabe anzeigen möchten, aber keine Lösung mit hoher Erwünschtheit benötigen. Ein Wert von 0 stellt z. B. eine Lösung aus der ersten Iteration bereit.

Die zusammengesetzte Erwünschtheit ist größer oder gleich: Im Idealfall findet die Suche eine Lösung mit einer Erwünschtheit von 1 und die Werte der Prädiktoren sind zufriedenstellend.; Wählen Sie diese Option aus, und verringern Sie den Wert von 1, um zu versuchen, die Suche zu verkürzen. Die Suche wird bei der ersten Iteration abgeschlossen, bei der mindestens 1 Lösung die geringste Erwünschtheit aufweist.; Deaktivieren Sie diese Option, um die Suche zu verlängern, bis die Suche den Grenzwert für die Zeit oder die Anzahl der Iterationen erreicht. Die Suche geht weiter, auch wenn viele Lösungen das Minimum an Erwünschtheit erreichen. In der Regel deaktivieren Sie diese Option, um Lösungen mit größerer Variation in den Werten der Prädiktoren anzuzeigen.

Geben Sie die Strategie für den fehlenden Wert und die Stoppregeln für die Zielgrößenoptimierung

Strategie für fehlende Werte

Stopp-Regeln

Hinweis