최고의 모형 검색(이항 반응) 에서 대체 모형 선택

기존 모형 선택

최상의 모델 유형을 검색할 때 분석은 내부 노드에 대해 최소 크기가 다른^® 최대 3개의 랜덤 포리스트 모델을 생성합니다. 목록에서 모델을 선택하고 클릭하여 결과 표시 해당 모델에 대한 결과를 생성합니다.

새 모형에 적합할 하이퍼파라미터 지정

기존 모형 선택

최상의 모델 유형을 검색할 때 분석은 각 하이퍼파라미터 조합에 대해 TreeNet^® 모델을 생성합니다. 목록에서 모델을 선택하고 클릭하여 결과 표시 해당 모델에 대한 결과를 생성합니다.

새 모형에 적합할 하이퍼파라미터 지정

해석을 하려면 모든 하이퍼매개변수를 지정해야 합니다. 클릭하여 결과 표시 새 모델에 대한 하이퍼매개변수를 평가합니다. 결과에는 하이퍼파라미터의 다양한 조합에 대한 최적 기준과 모델의 결과를 최소 평균 -log가능성과 같은 분석에 대한 정확도 기준의 최상의 값과 비교하는 테이블이 포함됩니다.

학습 속도

최대 10개의 값을 입력합니다. 적합한 값의 범위는 0.0001에서 1까지입니다.

하위 표본 부분

최대 10개의 값을 입력합니다. 적합한 값은 0보다 크고 1보다 작거나 같습니다.

트리당 최대 터미널 노드 수 및 최대 트리 깊이

트리당 최대 터미널 노드 수 또는 최대 트리 깊이 을(를) 평가할지 여부를 선택합니다. 일반적으로 두 선택 중 하나는 유용한 모형을 식별하는 합리적인 방법이며 선택은 개별 기본 설정에만 따라 달라집니다.

최대 단말 노드

최대 3개의 값을 입력합니다. 적합한 값은 2에서 2000 사이입니다. 2 값은 교호작용 조사를 제거합니다.

최대 트리 깊이

최대 3개의 값을 입력합니다. 적합한 값은 트리의 최대 깊이를 나타내는 2에서 1000 사이입니다. 루트 노드는 깊이 1에 해당합니다. 많은 용도에서 4에서 6까지의 깊이는 합리적으로 좋은 모형을 제공합니다.

노드 분할 예측 변수 수

최대 3개의 값을 입력합니다. 적격 값은 예측 변수의 총 수와 1 사이입니다. 일반적으로 총 예측 변수 수의 제곱근을 고려할 때 분석이 잘 작동합니다. 그러나 일부 데이터 집합에는 분석이 각 노드에 대해 더 크거나 적은 수의 예측 변수를 고려할 때 모형 성능이 향상되는 예측 변수 간에 연결이 있습니다.

트리 수

빌드할 최대 트리 수를 지정하려면 1과 5000 사이의 값을 입력합니다. 기본 값 300은 일반적으로 하이퍼파라미터 값의 평가에 유용한 결과를 제공합니다.

하나 이상의 관심 모형에 지정한 트리 수에 가까운 여러 개의 트리가 있는 경우 트리 수를 늘릴지 여부를 고려합니다. 트리 수가 최대 수에 가까워지면 트리 수가 증가하여 모형의 성능을 향상시킬 가능성이 더 높아집니다.