Especifique la estrategia de valor faltante y las reglas de detención para el Optimizador de respuestas

Optimizador de respuestas > Optimizador

Estas opciones están disponibles para los modelos de Random Forests^®, los modelos de MARS^® y los modelos de TreeNet^® .

Estrategia de Valor Faltante

Si las especificaciones incluyen Opciones la consideración de los valores que faltan, la estrategia de valores que faltan afecta al funcionamiento de la búsqueda. Por lo general, Dinámico funciona bien.

Dinámico: La estrategia dinámica utiliza una estrategia adaptativa para encontrar una solución óptima con o sin valores perdidos. La estrategia dinámica modela la probabilidad de que falten las variables predictoras individuales que tenían valores faltantes en los datos de entrenamiento. La probabilidad de fallar depende de la conveniencia de las soluciones candidatas en la búsqueda. Por ejemplo, supongamos que la solución óptima ocurre cuando falta X1, X2 = -1.5, falta X3 y X4 es uno de {"rojo", "azul", "verde"}. Luego, a medida que el optimizador busca, el algoritmo tiende a aumentar la probabilidad de que X1 y X3 estén configurados para faltar cuando X2 se acerca a -1.5 y X4 es uno de {"rojo", "azul", "verde"}.
Heurístico: La estrategia heurística utiliza un procedimiento prefabricado para encontrar una solución óptima con o sin valores faltantes. Considere el procedimiento heurístico cuando la estrategia dinámica consume demasiados recursos informáticos.

Reglas de detención

Especifique cuándo detener la búsqueda de una solución óptima. Idealmente, la búsqueda encuentra una solución con una deseabilidad de 1 y los valores de los predictores son satisfactorios. Por lo general, se alarga la búsqueda para tratar de encontrar una solución con una mayor deseabilidad.

El tiempo en minutos supera: Aumenta el tiempo para probar más soluciones. Introduzca un valor de 0 o superior.
Los valores pequeños le permiten obtener una solución rápidamente, por ejemplo, si desea mostrar la salida de la muestra pero no necesita una solución con alta deseabilidad. Por ejemplo, un valor de 0 proporciona una solución desde la primera iteración.
Nota
En la aplicación web, 29 es el valor máximo.
Las iteraciones superan: Normalmente, se establece una hora en lugar de un número de iteraciones porque el tiempo para completar un número de iteraciones varía de un conjunto de datos a otro. Especifique un mayor número de iteraciones para probar más soluciones.
Los valores pequeños le permiten obtener una solución rápidamente, por ejemplo, si desea mostrar la salida de la muestra pero no necesita una solución con alta deseabilidad. Por ejemplo, un valor de 0 proporciona una solución desde la primera iteración.

La deseabilidad compuesta es mayor o igual que: Idealmente, la búsqueda encuentra una solución con una deseabilidad de 1 y los valores de los predictores son satisfactorios.; Seleccione esta opción y disminuya el valor de 1 para intentar acortar la búsqueda. La búsqueda se completa en la primera iteración donde al menos 1 solución tiene la deseabilidad mínima.; Anule la selección de esta opción para ampliar la búsqueda hasta que la búsqueda alcance el límite de tiempo o de iteraciones. La búsqueda continúa incluso si muchas soluciones alcanzan la mínima deseabilidad. Normalmente, se anula la selección de esta opción para ver soluciones con más variación en los valores de los predictores.

Especifique la estrategia de valor faltante y las reglas de detención para el Optimizador de respuestas

Estrategia de Valor Faltante

Reglas de detención

Nota