Klassifizierungsalgorithmen
Letzte Aktualisierung: 30. Dezember 2024
- Themen:
- Abfragen
Erstellt für:
- Entwickler
Dieses Dokument bietet einen Überblick über verschiedene Klassifizierungsalgorithmen, wobei der Schwerpunkt auf ihrer Konfiguration, den wichtigsten Parametern und der praktischen Verwendung in erweiterten statistischen Modellen liegt. Klassifizierungsalgorithmen werden verwendet, um Datenpunkten auf der Grundlage von Eingabefunktionen Kategorien zuzuweisen. Jeder Abschnitt enthält Parameterbeschreibungen und Beispiel-Code, der Ihnen bei der Implementierung und Optimierung dieser Algorithmen für Aufgaben wie Entscheidungsbäume, zufällige Gesamtstrukturen und native Bayes-Klassifizierung hilft.
Decision Tree Classifier
Decision Tree Classifier ist ein überwachter Lernansatz, der in der Statistik, im Data Mining und im maschinellen Lernen verwendet wird. Bei diesem Ansatz wird ein Entscheidungsbaum als prädiktives Modell für Klassifizierungsaufgaben verwendet, das Schlussfolgerungen aus einer Reihe von Beobachtungen zieht.
Parameter
In der folgenden Tabelle sind die wichtigsten Parameter zur Konfiguration und Optimierung der Leistung eines Decision Tree Classifier aufgeführt.
| Parameter | Beschreibung | Standardwert | Mögliche Werte |
|---|---|---|---|
MAX_BINS | Die maximale Anzahl von Klassen bestimmt, wie kontinuierliche Funktionen in diskrete Intervalle unterteilt werden. Dies wirkt sich darauf aus, wie die Funktionen bei jedem Entscheidungsbaum-Knoten aufgeteilt werden. Mehr Klassen bieten eine höhere Granularität. | 32 | Muss mindestens 2 und mindestens gleich der Anzahl der Kategorien in einem kategorialen Merkmal sein. |
CACHE_NODE_IDS | Wenn false, übergibt der Algorithmus Bäume an ausführende Benutzer, damit Instanzen mit Knoten abgeglichen werden. Wenn true, speichert der Algorithmus Knoten-IDs für jede Instanz zwischen, wodurch das Training tiefer stehender Baumstrukturen beschleunigt wird. | false | true, false |
CHECKPOINT_INTERVAL | Gibt an, wie oft die zwischengespeicherten Knoten-IDs überprüft werden sollen. 10 bedeutet beispielsweise, dass der Cache alle 10 Iterationen überprüft wird. | 10 | (>= 1) |
IMPURITY | Das Kriterium für die Berechnung des Informationsgewinns (ohne Unterscheidung zwischen Groß- und Kleinschreibung). | „Gini“ | entropy, gini |
MAX_DEPTH | Die maximale Tiefe des Baums (nicht negativ). Beispielsweise bedeutet 0 Tiefe 1 Blattknoten und Tiefe 1 bedeutet 1 interner Knoten und 2 Blattknoten. | 5 | (>= 0) (Bereich: [0,30]) |
MIN_INFO_GAIN | Der minimale Informationsgewinn, der erforderlich ist, damit eine Aufspaltung an einem Strukturknoten berücksichtigt wird. | 0,0 | (>= 0.0) |
MIN_WEIGHT_FRACTION_PER_NODE | Der MindestBRUCHTEIL der gewichteten Stichprobenanzahl, den jedes Kind nach einer Aufspaltung aufweisen muss. Wenn der Bruchteil des Gesamtgewichts bei einem der untergeordneten Elemente diesen Wert unterschreitet, wird er verworfen. | 0,0 | (>= 0.0, <= 0.5) |
MIN_INSTANCES_PER_NODE | Die Mindestanzahl von Instanzen, die jedes untergeordnete Element nach einer Aufspaltung aufweisen muss. Wenn eine Aufspaltung zu weniger Instanzen als diesen Wert führt, wird die Aufspaltung verworfen. | 1 | (>= 1) |
MAX_MEMORY_IN_MB | Der maximale Speicher in MB, der der Histogrammaggregation zugeordnet ist. Wenn dieser Wert zu klein ist, wird pro Iteration nur ein Knoten aufgeteilt, und seine Aggregate können diese Größe überschreiten. | 256 | (>= 0) |
PREDICTION_COL | Der Spaltenname für die Prognoseausgabe. | „Prognose“ | Beliebige Zeichenfolge |
SEED | Der zufällige Startwert. | K. A. | Beliebige 64-Bit-Zahl |
WEIGHT_COL | Der Spaltenname, z. B., Gewichtungen. Wenn sie nicht festgelegt oder leer ist, werden alle Instanzgewichte als 1.0 behandelt. | NICHT FESTGELEGT | Beliebige Zeichenfolge |
ONE_VS_REST | Aktiviert oder deaktiviert das Umbrechen dieses Algorithmus in One-vs-Rest, der für Probleme mit der Mehrklassen-Klassifizierung verwendet wird. | false | true, false |
Beispiel
Create MODEL modelname OPTIONS(
type = 'decision_tree_classifier'
) AS
select col1, col2, col3 from training-dataset
Factorization Machine Classifier
Der Factorization Machine Classifier ist ein Klassifizierungsalgorithmus, der den normalen Gradientenabstieg und den AdamW-Solver unterstützt. Das Klassifizierungsmodell der Faktorisierungsmaschine nutzt logistische Verluste, die über die Gradientenabsenkung optimiert werden können und oft Regularisierungsbegriffe wie L2 enthalten, um eine Überanpassung zu verhindern.
Parameter
In der folgenden Tabelle sind die wichtigsten Parameter zur Konfiguration und Optimierung der Factorization Machine Classifier aufgeführt.
| Parameter | Beschreibung | Standardwert | Mögliche Werte |
|---|---|---|---|
TOL | Die Konvergenztoleranz, die die Genauigkeit der Optimierung steuert. | 1E-6 | (>= 0) |
FACTOR_SIZE | Die Dimensionalität der Faktoren. | 8 | (>= 0) |
FIT_INTERCEPT | Gibt an, ob ein Schnittstellenbegriff eingefügt werden soll. | true | true, false |
FIT_LINEAR | Gibt an, ob der lineare Begriff (auch als 1-Wege-Begriff bezeichnet) angepasst werden soll. | true | true, false |
INIT_STD | Die Standardabweichung für Initialisierungskoeffizienten. | 0,01 | (>= 0) |
MAX_ITER | Die maximale Anzahl von Iterationen, die der Algorithmus ausführen soll. | 100 | (>= 0) |
MINI_BATCH_FRACTION | Der Teil der Daten, der während des Trainings in Mini-Batches verwendet werden soll. Muss im Bereich (0, 1] liegen. | 1,0 | 0 < Wert <= 1 |
REG_PARAM | Der Regularisierungsparameter, mit dem die Modellkomplexität kontrolliert und Überanpassung verhindert werden kann. | 0,0 | (>= 0) |
SEED | Der zufällige Startwert für die Steuerung zufälliger Prozesse im Algorithmus. | K. A. | Beliebige 64-Bit-Zahl |
SOLVER | Der für die Optimierung verwendete Solver-Algorithmus. Unterstützte Optionen sind gd (Verlaufsabstieg) und adamW. | „adamW“ | gd, adamW |
STEP_SIZE | Die anfängliche Schrittgröße für die Optimierung, häufig interpretiert als Lernrate. | 1,0 | > 0 |
PROBABILITY_COL | Der Spaltenname für prognostizierte bedingte Klassenwahrscheinlichkeiten. Hinweis: Nicht alle Modelle geben gut kalibrierte Wahrscheinlichkeiten aus. Diese sollten als Konfidenzwerte und nicht als exakte Wahrscheinlichkeiten behandelt werden. | „Wahrscheinlichkeit“ | Beliebige Zeichenfolge |
PREDICTION_COL | Der Spaltenname für prognostizierte Klassenbezeichnungen. | „Prognose“ | Beliebige Zeichenfolge |
RAW_PREDICTION_COL | Der Spaltenname für die rohen Prognosewerte (auch als Konfidenz bezeichnet). | „rawPrediction“ | Beliebige Zeichenfolge |
ONE_VS_REST | Gibt an, ob One-vs-Rest für die Mehrklassenklassifizierung aktiviert werden soll. | FALSCH | true, false |
Beispiel
CREATE MODEL modelname OPTIONS(
type = 'factorization_machines_classifier'
) AS
SELECT col1, col2, col3 FROM training-dataset
Gradient Boosted Tree Classifier
Die Gradient Boosted Tree Classifier verwendet ein Ensemble von Entscheidungsbäumen, um die Genauigkeit von Klassifizierungsaufgaben zu verbessern, indem mehrere Bäume kombiniert werden, um die Modellleistung zu verbessern.
Parameter
In der folgenden Tabelle sind die wichtigsten Parameter zur Konfiguration und Optimierung der Gradient Boosted Tree Classifier aufgeführt.
Parameter
Beschreibung
Standardwert
Mögliche Werte
MAX_BINSDie maximale Anzahl von Klassen bestimmt, wie kontinuierliche Funktionen in diskrete Intervalle unterteilt werden. Dies wirkt sich darauf aus, wie die Funktionen bei jedem Entscheidungsbaum-Knoten aufgeteilt werden. Mehr Klassen bieten eine höhere Granularität.
32
Muss mindestens 2 sein und gleich oder größer als die Anzahl der Kategorien in einem kategorialen Merkmal sein.
CACHE_NODE_IDSWenn
false, übergibt der Algorithmus Bäume an ausführende Benutzer, damit Instanzen mit Knoten abgeglichen werden. Wenn true, speichert der Algorithmus Knoten-IDs für jede Instanz zwischen, wodurch das Training tiefer stehender Baumstrukturen beschleunigt wird.falsetrue, falseCHECKPOINT_INTERVALGibt an, wie oft die zwischengespeicherten Knoten-IDs überprüft werden sollen.
10 bedeutet beispielsweise, dass der Cache alle 10 Iterationen überprüft wird.10
(>= 1)
MAX_DEPTHDie maximale Tiefe des Baums (nicht negativ). Beispielsweise bedeutet
0 Tiefe 1 Blattknoten und Tiefe 1 bedeutet 1 interner Knoten und 2 Blattknoten.5
(>= 0)
MIN_INFO_GAINDer minimale Informationsgewinn, der erforderlich ist, damit eine Aufspaltung an einem Strukturknoten berücksichtigt wird.
0,0
(>= 0.0)
MIN_WEIGHT_FRACTION_PER_NODEDer MindestBRUCHTEIL der gewichteten Stichprobenanzahl, den jedes Kind nach einer Aufspaltung aufweisen muss. Wenn der Bruchteil des Gesamtgewichts bei einem der untergeordneten Elemente diesen Wert unterschreitet, wird er verworfen.
0,0
(>= 0.0, <= 0.5)
MIN_INSTANCES_PER_NODEDie Mindestanzahl von Instanzen, die jedes untergeordnete Element nach einer Aufspaltung aufweisen muss. Wenn eine Aufspaltung zu weniger Instanzen als diesen Wert führt, wird die Aufspaltung verworfen.
1
(>= 1)
MAX_MEMORY_IN_MBDer maximale Speicher in MB, der der Histogrammaggregation zugeordnet ist. Wenn dieser Wert zu klein ist, wird pro Iteration nur ein Knoten aufgeteilt, und seine Aggregate können diese Größe überschreiten.
256
(>= 0)
PREDICTION_COLDer Spaltenname für die Prognoseausgabe.
„Prognose“
Beliebige Zeichenfolge
VALIDATION_INDICATOR_COLDer Spaltenname gibt an, ob jede Zeile für das Training oder die Validierung verwendet wird. Der Wert
false steht für Training und true für Validierung. Wenn kein Wert festgelegt ist, lautet der Standardwert None.„Keine“
Beliebige Zeichenfolge
RAW_PREDICTION_COLDer Spaltenname für die rohen Prognosewerte (auch als Konfidenz bezeichnet).
„rawPrediction“
Beliebige Zeichenfolge
LEAF_COLDer Spaltenname für Blattindizes, der der prognostizierte Blattindex jeder Instanz in jedem Baum ist, der durch Durchlaufen der Vorbestellung generiert wird.
""
Beliebige Zeichenfolge
FEATURE_SUBSET_STRATEGYDie Anzahl der Funktionen, die für die Aufspaltung bei jedem Strukturknoten berücksichtigt werden. Unterstützte Optionen:
auto (basierend auf der Aufgabe automatisch bestimmt), all (alle Funktionen verwenden), onethird (ein Drittel der Funktionen verwenden), sqrt (die Quadratwurzel der Anzahl der Funktionen verwenden), log2 (den Logarithmus zur Basis 2 der Anzahl der Funktionen verwenden) und n (wobei n entweder ein Bruchteil der Funktionen ist, wenn im Bereich (0, 1], oder eine bestimmte Anzahl von Funktionen ist, wenn im Bereich [1, total number of features]).„auto“
auto, all, onethird, sqrt, log2, nWEIGHT_COLDer Spaltenname, z. B., Gewichtungen. Wenn sie nicht festgelegt oder leer ist, werden alle Instanzgewichte als
1.0 behandelt.NICHT FESTGELEGT
Beliebige Zeichenfolge
LOSS_TYPEDie Verlustfunktion, die das Gradient Boosted Tree zu minimieren versucht.
„Logistisch“
logistic (ignoriert Groß- und Kleinschreibung)STEP_SIZEDie Schrittgröße (auch als Lernrate bezeichnet) im Bereich
(0, 1], die zum Verkleinern des Beitrags jeder Schätzung verwendet wird.0,1
(>= 0.0, <= 1)
MAX_ITERDie maximale Anzahl von Iterationen für den Algorithmus.
20
(>= 0)
SUBSAMPLING_RATEDer Teil der Trainingsdaten, der zum Trainieren der einzelnen Entscheidungsbäume verwendet wird. Der Wert muss im Bereich 0 < Wert <= 1 liegen.
1,0
(0, 1]PROBABILITY_COLDer Spaltenname für prognostizierte bedingte Klassenwahrscheinlichkeiten. Hinweis: Nicht alle Modelle geben gut kalibrierte Wahrscheinlichkeiten aus. Diese sollten als Konfidenzwerte und nicht als exakte Wahrscheinlichkeiten behandelt werden.
„Wahrscheinlichkeit“
Beliebige Zeichenfolge
ONE_VS_RESTAktiviert oder deaktiviert das Umschließen dieses Algorithmus mit One-vs-Rest für die Mehrklassen-Klassifizierung.
falsetrue, falseBeispiel
Create MODEL modelname OPTIONS(
type = 'gradient_boosted_tree_classifier'
) AS
select col1, col2, col3 from training-dataset
Linear Support Vector Classifier (LineSVC)
Die Linear Support Vector Classifier (LinearSVC) konstruiert eine Hyperebene zur Klassifizierung von Daten in einem hochdimensionalen Raum. Sie können damit den Abstand zwischen den Klassen maximieren, um Klassifizierungsfehler zu minimieren.
Parameter
In der folgenden Tabelle sind die wichtigsten Parameter zur Konfiguration und Optimierung der Linear Support Vector Classifier (LinearSVC) aufgeführt.
Parameter
Beschreibung
Standardwert
Mögliche Werte
MAX_ITERDie maximale Anzahl von Iterationen, die der Algorithmus ausführen soll.
100
(>= 0)
AGGREGATION_DEPTHDie Tiefe für die Baumaggregation. Dieser Parameter wird verwendet, um den Netzwerk-Kommunikationsaufwand zu reduzieren.
2
Beliebige positive Ganzzahl
FIT_INTERCEPTGibt an, ob ein Abfangbegriff eingefügt werden soll.
truetrue, falseTOLDieser Parameter bestimmt den Schwellenwert für das Stoppen von Iterationen.
1e-6
(>= 0)
MAX_BLOCK_SIZE_IN_MBDer maximale Speicher in MB für das Stapeln von Eingabedaten in Blöcken. Wenn der Parameter auf
0 gesetzt ist, wird automatisch der optimale Wert ausgewählt (in der Regel um 1 MB).0,0
(>= 0)
REG_PARAMDer Regularisierungsparameter, mit dem die Modellkomplexität kontrolliert und Überanpassung verhindert werden kann.
0,0
(>= 0)
STANDARDIZATIONDieser Parameter gibt an, ob die Trainingsfunktionen vor dem Anpassen des Modells standardisiert werden sollen.
truetrue, falsePREDICTION_COLDer Spaltenname für die Prognoseausgabe.
„Prognose“
Beliebige Zeichenfolge
RAW_PREDICTION_COLDer Spaltenname für die rohen Prognosewerte (auch als Konfidenz bezeichnet).
„rawPrediction“
Beliebige Zeichenfolge
ONE_VS_RESTAktiviert oder deaktiviert das Umschließen dieses Algorithmus mit One-vs-Rest für die Mehrklassen-Klassifizierung.
falsetrue, falseBeispiel
Create MODEL modelname OPTIONS(
type = 'linear_svc_classifier'
) AS
select col1, col2, col3 from training-dataset
Logistic Regression
Logistic Regression ist ein überwachter Algorithmus, der für binäre Klassifizierungsaufgaben verwendet wird. Es modelliert die Wahrscheinlichkeit, dass eine Instanz zu einer Klasse gehört, mithilfe der logistischen Funktion und weist die Instanz der Klasse mit der höheren Wahrscheinlichkeit zu. Dadurch eignet es sich für Probleme, bei denen das Ziel darin besteht, Daten in eine von zwei Kategorien zu unterteilen.
Parameter
In der folgenden Tabelle sind die wichtigsten Parameter zur Konfiguration und Optimierung der Leistung von Logistic Regression aufgeführt.
Parameter
Beschreibung
Standardwert
Mögliche Werte
MAX_ITERDie maximale Anzahl von Iterationen, die der Algorithmus ausführt.
100
(>= 0)
REGPARAMDer Regularisierungsparameter wird verwendet, um die Komplexität des Modells zu steuern.
0,0
(>= 0)
ELASTICNETPARAMDer
ElasticNet Mischparameter steuert das Gleichgewicht zwischen L1 (Lasso) und L2 (Ridge) Strafen. Bei einem Wert von 0 wird eine L2-Strafe angewendet (Ridge, wodurch die Größe der Koeffizienten verringert wird), während bei einem Wert von 1 eine L1-Strafe angewendet wird (Lasso, das die Sparsity fördert, indem einige Koeffizienten auf null gesetzt werden).0,0
(>= 0, <= 1)
Beispiel
Create MODEL modelname OPTIONS(
type = 'logistic_reg'
) AS
select col1, col2, col3 from training-dataset
Multilayer Perceptron Classifier
Der Multilayer Perceptron Classifier (MLPC) ist ein vorwärtsgerichteter Klassifikator für neuronale Netze. Es besteht aus mehreren vollständig verbundenen Knotenschichten, wobei jeder Knoten eine gewichtete lineare Kombination von Eingängen anwendet, gefolgt von einer Aktivierungsfunktion. MLPC wird für komplexe Klassifizierungsaufgaben eingesetzt, die nichtlineare Entscheidungsgrenzen erfordern.
Parameter
Parameter
Beschreibung
Standardwert
Mögliche Werte
MAX_ITERDie maximale Anzahl von Iterationen, die der Algorithmus ausführen soll.
100
(>= 0)
BLOCK_SIZEDie Blockgröße zum Stapeln von Eingabedaten in Matrizen innerhalb von Partitionen. Wenn die Blockgröße die verbleibenden Daten in einer Partition überschreitet, wird sie entsprechend angepasst.
128
(>= 0)
STEP_SIZEDie Schrittgröße, die für jede Iteration der Optimierung verwendet wird (gilt nur für Solver-
gd).0,03
(> 0)
TOLDie Konvergenztoleranz für die Optimierung.
1E-6(>= 0)
PREDICTION_COLDer Spaltenname für die Prognoseausgabe.
„Prognose“
Beliebige Zeichenfolge
SEEDDer zufällige Startwert für die Steuerung zufälliger Prozesse im Algorithmus.
NICHT FESTGELEGT
Beliebige 64-Bit-Zahl
PROBABILITY_COLDer Spaltenname für prognostizierte bedingte Klassenwahrscheinlichkeiten. Diese sollten als Konfidenzwerte und nicht als exakte Wahrscheinlichkeiten behandelt werden.
„Wahrscheinlichkeit“
Beliebige Zeichenfolge
RAW_PREDICTION_COLDer Spaltenname für die rohen Prognosewerte (auch als Konfidenz bezeichnet).
„rawPrediction“
Beliebige Zeichenfolge
ONE_VS_RESTAktiviert oder deaktiviert das Umschließen dieses Algorithmus mit One-vs-Rest für die Mehrklassen-Klassifizierung.
falsetrue, falseBeispiel
CREATE MODEL modelname OPTIONS(
type = 'multilayer_perceptron_classifier'
) AS
select col1, col2, col3 from training-dataset
Naive Bayes Classifier
Naive Bayes Classifier ist ein einfacher probabilistischer, mehrklassiger Klassifikator, der auf dem Satz von Bayes basiert und von starken (naiven) Annahmen bezüglich der Unabhängigkeit zwischen den Merkmalen ausgeht. Es trainiert effizient, indem es die bedingten Wahrscheinlichkeiten in einem einzigen Durchgang über die Trainingsdaten berechnet, um die bedingte Wahrscheinlichkeitsverteilung jeder Funktion für jede Kennzeichnung zu berechnen. Für Vorhersagen verwendet es den Satz von Bayes, um die bedingte Wahrscheinlichkeitsverteilung jeder einzelnen Markierung für eine Beobachtung zu berechnen.
Parameter
Parameter
Beschreibung
Standardwert
Mögliche Werte
MODEL_TYPEGibt den Modelltyp an. Unterstützte Optionen sind
"multinomial", "complement", "bernoulli" und "gaussian". Beim Modelltyp wird zwischen Groß- und Kleinschreibung unterschieden.„Multinomial“
"multinomial", "complement", "bernoulli", "gaussian"SMOOTHINGDer Glättungsparameter wird zur Behandlung von Nullfrequenzproblemen in kategorialen Daten verwendet.
1,0
(>= 0)
PROBABILITY_COLDieser Parameter gibt den Spaltennamen für bedingte Wahrscheinlichkeiten der prognostizierten Klasse an. Hinweis: Nicht alle Modelle liefern gut kalibrierte Wahrscheinlichkeitsschätzungen. Behandeln Sie diese Werte als Konfidenzen und nicht als präzise Wahrscheinlichkeiten.
„Wahrscheinlichkeit“
Beliebige Zeichenfolge
WEIGHT_COLDer Spaltenname für die Gewichtung der Instanz. Wenn sie nicht festgelegt oder leer ist, werden alle Instanzgewichte als
1.0 behandelt.NICHT FESTGELEGT
Beliebige Zeichenfolge
PREDICTION_COLDer Spaltenname für die Prognoseausgabe.
„Prognose“
Beliebige Zeichenfolge
RAW_PREDICTION_COLDer Spaltenname für die rohen Prognosewerte (auch als Konfidenz bezeichnet).
„rawPrediction“
Beliebige Zeichenfolge
ONE_VS_RESTGibt an, ob One-vs-Rest für die Mehrklassenklassifizierung aktiviert werden soll.
falsetrue, falseBeispiel
CREATE MODEL modelname OPTIONS(
type = 'naive_bayes_classifier'
) AS
SELECT col1, col2, col3 FROM training-dataset
Random Forest Classifier
Random Forest Classifier ist ein Lernalgorithmus für ein Ensemble, der während des Trainings mehrere Entscheidungsbäume erstellt. Es verhindert Überanpassung, indem es Vorhersagen mittelt und die von der Mehrheit der Bäume für Klassifizierungsaufgaben gewählte Klasse auswählt.
Parameter
Parameter
Beschreibung
Standardwert
Mögliche Werte
MAX_BINSDie maximale Anzahl von Klassen bestimmt, wie kontinuierliche Funktionen in diskrete Intervalle unterteilt werden. Dies wirkt sich darauf aus, wie die Funktionen bei jedem Entscheidungsbaum-Knoten aufgeteilt werden. Mehr Klassen bieten eine höhere Granularität.
32
Muss mindestens 2 sein und gleich oder größer als die Anzahl der Kategorien in einem kategorialen Merkmal sein.
CACHE_NODE_IDSWenn
false, übergibt der Algorithmus Bäume an ausführende Benutzer, damit Instanzen mit Knoten abgeglichen werden. Wenn true, speichert der Algorithmus Knoten-IDs für jede Instanz zwischen, wodurch das Training beschleunigt wird.falsetrue, falseCHECKPOINT_INTERVALGibt an, wie oft die zwischengespeicherten Knoten-IDs überprüft werden sollen.
10 bedeutet beispielsweise, dass der Cache alle 10 Iterationen überprüft wird.10
(>= 1)
IMPURITYDas Kriterium für die Berechnung des Informationsgewinns (ohne Unterscheidung zwischen Groß- und Kleinschreibung).
„Gini“
entropy, giniMAX_DEPTHDie maximale Tiefe des Baums (nicht negativ). Beispielsweise bedeutet
0 Tiefe 1 Blattknoten und Tiefe 1 bedeutet 1 interner Knoten und 2 Blattknoten.5
(>= 0)
MIN_INFO_GAINDer minimale Informationsgewinn, der erforderlich ist, damit eine Aufspaltung an einem Strukturknoten berücksichtigt wird.
0,0
(>= 0.0)
MIN_WEIGHT_FRACTION_PER_NODEDer MindestBRUCHTEIL der gewichteten Stichprobenanzahl, den jedes Kind nach einer Aufspaltung aufweisen muss. Wenn der Bruchteil des Gesamtgewichts bei einem der untergeordneten Elemente diesen Wert unterschreitet, wird er verworfen.
0,0
(>= 0.0, <= 0.5)
MIN_INSTANCES_PER_NODEDie Mindestanzahl von Instanzen, die jedes untergeordnete Element nach einer Aufspaltung aufweisen muss. Wenn eine Aufspaltung zu weniger Instanzen als diesen Wert führt, wird die Aufspaltung verworfen.
1
(>= 1)
MAX_MEMORY_IN_MBDer maximale Speicher in MB, der der Histogrammaggregation zugeordnet ist. Wenn dieser Wert zu klein ist, wird pro Iteration nur ein Knoten aufgeteilt, und seine Aggregate können diese Größe überschreiten.
256
(>= 1)
PREDICTION_COLDer Spaltenname für die Prognoseausgabe.
„Prognose“
Beliebige Zeichenfolge
WEIGHT_COLDer Spaltenname, z. B., Gewichtungen. Wenn sie nicht festgelegt oder leer ist, werden alle Instanzgewichte als
1.0 behandelt.NICHT FESTGELEGT
Beliebiger gültiger Spaltenname oder leer
SEEDDer zufällige Seed, der zum Steuern zufälliger Prozesse im Algorithmus verwendet wird.
-1689246527
Beliebige 64-Bit-Zahl
BOOTSTRAPOb beim Erstellen von Bäumen Bootstrap-Beispiele verwendet werden.
truetrue, falseNUM_TREESDie Anzahl der zu trainierenden Bäume. Wenn
1, wird kein Bootstrapping durchgeführt. Wenn größer als 1, wird Bootstrapping angewendet.20
(>= 1)
SUBSAMPLING_RATEDer Teil der Schulungsdaten, der für das Erlernen jedes Entscheidungsbaums verwendet wird.
1,0
(> 0, <= 1)
LEAF_COLDer Spaltenname für die Blattindizes, der den prognostizierten Blattindex jeder Instanz in jedem Baum nach Vorreihenfolge enthält.
""
Beliebige Zeichenfolge
PROBABILITY_COLDer Spaltenname für prognostizierte bedingte Klassenwahrscheinlichkeiten. Diese sollten als Konfidenzwerte und nicht als exakte Wahrscheinlichkeiten behandelt werden.
NICHT FESTGELEGT
Beliebige Zeichenfolge
RAW_PREDICTION_COLDer Spaltenname für die rohen Prognosewerte (auch als Konfidenz bezeichnet).
„rawPrediction“
Beliebige Zeichenfolge
ONE_VS_RESTGibt an, ob One-vs-Rest für die Mehrklassenklassifizierung aktiviert werden soll.
falsetrue, falseBeispiel
Create MODEL modelname OPTIONS(
type = 'random_forest_classifier'
) AS
select col1, col2, col3 from training-dataset
Nächste Schritte
Nach dem Lesen dieses Dokuments wissen Sie jetzt, wie Sie verschiedene Klassifizierungsalgorithmen konfigurieren und verwenden können. Weitere Informationen zu anderen Typen erweiterter statistischer Modelle finden in den DokumentenRegression und Clustering.
recommendation-more-help
ccf2b369-4031-483f-af63-a93b5ae5e3fb