Spécifiez la stratégie de valeurs manquantes et les règles d’arrêt pour le Optimisation des réponses

Optimisation des réponses > Optimiseur

Ces options sont disponibles pour les modèles Random Forests^® , MARS^® et TreeNet^® .

Stratégie de valeur manquante

Si les spécifications incluent la prise en Options compte des valeurs manquantes, la stratégie des valeurs manquantes affecte le fonctionnement de la recherche. Habituellement, Dynamique fonctionne bien.

Dynamique: La stratégie dynamique utilise une stratégie adaptative pour trouver une solution optimale avec ou sans valeurs manquantes. La stratégie dynamique modélise la probabilité d’absence pour les variables prédictives individuelles qui avaient des valeurs manquantes dans les données d’entraînement. La probabilité de manquer dépend de l’opportunité des solutions candidates dans la recherche. Par exemple, supposons que la solution optimale se produise lorsque X1 est manquant, X2 = -1,5, X3 est manquant et X4 est l’un des {"rouge », « bleu », « vert"}. Ensuite, au fur et à mesure que l’optimiseur recherche, l’algorithme a tendance à augmenter la probabilité que X1 et X3 soient définis comme manquants lorsque X2 approche de -1,5 et que X4 est l’un des {"rouge », « bleu », « vert"}.
Heuristique: La stratégie heuristique utilise une procédure préfabriquée pour trouver une solution optimale avec ou sans valeurs manquantes. Considérez la procédure heuristique lorsque la stratégie dynamique consomme trop de ressources informatiques.

Règles d’arrêt

Spécifiez quand arrêter la recherche d’une solution optimale. Idéalement, la recherche trouve une solution avec une désirabilité de 1 et les valeurs des prédicteurs sont satisfaisantes. Habituellement, vous allongez la recherche pour essayer de trouver une solution plus désirable.

Le temps en minutes dépasse: Augmentez le temps pour essayer d’autres solutions. Entrez une valeur égale ou supérieure à 0.
De petites valeurs vous permettent d’obtenir rapidement une solution, par exemple si vous souhaitez afficher un exemple de sortie, mais que vous n’avez pas besoin d’une solution à haute désirabilité. Par exemple, une valeur de 0 fournit une solution dès la première itération.
Remarque
Dans l’application Web, 29 est la valeur maximale.
Les itérations dépassent: En règle générale, vous définissez une heure au lieu d’un nombre d’itérations, car le temps nécessaire pour effectuer un certain nombre d’itérations varie d’un jeu de données à l’autre. Spécifiez un plus grand nombre d’itérations pour essayer plus de solutions.
De petites valeurs vous permettent d’obtenir rapidement une solution, par exemple si vous souhaitez afficher un exemple de sortie, mais que vous n’avez pas besoin d’une solution à haute désirabilité. Par exemple, une valeur de 0 fournit une solution dès la première itération.

La désirabilité des composites est supérieure ou égale à: Idéalement, la recherche trouve une solution avec une désirabilité de 1 et les valeurs des prédicteurs sont satisfaisantes.; Sélectionnez cette option et diminuez la valeur de 1 pour essayer de raccourcir la recherche. La recherche se termine à la première itération où au moins 1 solution présente le minimum de désirabilité.; Désélectionnez cette option pour étendre la recherche jusqu’à ce qu’elle atteigne la limite de temps ou de nombre d’itérations. La recherche se poursuit même si de nombreuses solutions atteignent le minimum de désirabilité. En général, vous désélectionnez cette option pour voir les solutions avec plus de variations dans les valeurs des prédicteurs.

Spécifiez la stratégie de valeurs manquantes et les règles d’arrêt pour le Optimisation des réponses

Stratégie de valeur manquante

Règles d’arrêt

Remarque