Random Forests^® 分類のオプションを選択する

予測分析モジュール > Random Forests®分類 > オプション

注

このコマンドは、予測分析モジュールで使用できます。モジュールをアクティブにする方法については、ここをクリックしてください。

木を増加させるブートストラップサンプルの数

値を入力して、ブートストラップサンプルの数と解析によって生成される木の数を決定します。3から3000までの値を入力します。

トレーニングデータサイズより小さいブートストラップのサンプルサイズを指定する

ブートストラップのサンプルサイズを設定する値を選択して入力します。%5以上の値を入力してください。トレーニングデータサイズよりも大きなサイズを入力すると、トレーニングデータサイズと同じサンプルサイズが使用されます。

ノード分割の予測変数の数

各ノード分割について考慮する予測変数の数を指定します。通常、予測変数の総数の平方根を考慮すると、分析が適切に機能します。ただし、いくつかのデータセットは、分析が各ノードの予測変数がより多い、またはより少ない場合を考慮したときに、モデルパフォーマンスの向上につながる予測変数間の関連性を持っています。平方根を使用してモデルを表示した後、予測変数の数を変更してモデルのパフォーマンスを向上させるかどうかを検討します。

予測変数の総数の平方根: ノードの分割に対して予測変数の総数の平方根を使用する場合に選択します。
ブートストラップフォレストを生成する予測変数の合計数: ノードの分割にすべての予測変数を使用する場合に選択します。このオプションによって作成されるフォレストは、ブートストラップフォレストと呼ばれます。
予測変数の総数のKパーセント、K =: ノードの分割に予測変数のパーセンテージを使用する場合に選択します。

乱数ジェネレータの初期値

乱数生成器の初期値を指定して、サブサンプルと予測変数のサブセットをランダムに選択できます。通常、初期値を変更する必要はありません。結果がランダム選択にどの程度敏感であるかを調べるか、繰り返し分析を行う場合に同じランダム選択を行うために、初期値を変更できます。

内部ノードを分岐する最小ケース数

ノードに属することができ、さらに分割できるケースの最小数を入力します。サンプルサイズが2,000以下の場合、デフォルトは2で、別の分割が不可能になるまで、すべてのノードを小さなノードに分割できます。それより大きなサンプルサイズでは、デフォルト値は5です。モデルのパフォーマンスが不十分な場合は、この値を変更してパフォーマンスへの影響を確認するかを検討します。

Random Forests® 分類のオプションを選択する

注

Random Forests^® 分類のオプションを選択する