Métodos y fórmulas para ajustar los hiperparámetros en Ajustar modelo y Descubrir predictores clave con Clasificación TreeNet^®

Si especifica valores para más de un hiperparámetro, los modelos de la tabla de evaluación dependen de si evalúa las combinaciones completas de los hiperparámetros.

• Si selecciona Evaluar combinaciones completas de parámetros, el algoritmo evalúa cada combinación de los hiperparámetros. Esta opción generalmente tarda más en calcularse.
• De lo contrario, el algoritmo evalúa los hiperparámetros en este orden:
  1. Tasa de aprendizaje
  2. Fracción de submuestra
  3. Parámetro de complejidad de árbol individual
  Por ejemplo, supongamos que el algoritmo recibe los siguientes hiperparámetros:

  • Tasas de aprendizaje: 0.001, 0.01, 0.1
  • Fracciones de submuestras: 0.4, 0.5, 0.7
  • Número máximo de nodos terminales: 4, 6

  1. El algoritmo establece la proporción de submuestras en 0.4 y el número máximo de nodos terminales en 4. A continuación, el algoritmo evalúa las tasas de aprendizaje en orden de menor a mayor: 0.001, 0.01, 0.1.
  2. Supongamos que el algoritmo identifica 0.01 como la mejor tasa de aprendizaje. Después, el algoritmo establece la tasa de aprendizaje en 0.01 y el número máximo de nodos terminales en 4. A continuación, el algoritmo evalúa las proporciones de submuestras de 0.4, 0.5 y 0.7.
  3. Supongamos que el algoritmo identifica 0.5 como la mejor proporción de submuestras. Después, el algoritmo establece la tasa de aprendizaje en 0.01 y la proporción de submuestras en 0.5. A continuación, el algoritmo evalúa el número máximo de nodos de 4 y 6.
  4. Supongamos que el algoritmo identifica 6 como el mejor número máximo de nodos terminales. Entonces, Minitab produce la tabla de evaluación y los resultados para el modelo con la tasa de aprendizaje = 0.01, la proporción de submuestras 0.5 y el número máximo de nodos terminales 6.

En este ejemplo, el análisis que no evalúa el conjunto completo de combinaciones de parámetros incluye 8 modelos en la tabla de evaluación. Un análisis de todas las combinaciones de parámetros tiene 3 × 3 × 2 = 18 combinaciones y tarda más en calcularse.

Para obtener más detalles sobre el cálculo de los criterios de precisión para un modelo individual, vaya a Métodos y fórmulas para el resumen del modelo en Ajustar modelo y Descubrir predictores clave con Clasificación TreeNet®.