分類アルゴリズム

最終更新日： 2024年11月22日
  • トピック：

作成対象：

  • 開発者

このドキュメントでは、高度な統計モデルでの設定、主要なパラメーター、実際の使用方法に重点を置いて、様々な分類アルゴリズムの概要を説明します。 分類アルゴリズムは、入力特性に基づいてデータポイントにカテゴリを割り当てるために使用されます。 各セクションには、デシジョンツリー、ランダムフォレスト、Naive Bayes 分類などのタスクに対してこれらのアルゴリズムを実装して最適化するのに役立つパラメーターの説明とサンプルコードが含まれています。

Decision Tree Classifier

Decision Tree Classifier は、統計、データマイニング、機械学習で使用される監視付き学習アプローチです。 このアプローチでは、デシジョンツリーを分類タスクの予測モデルとして使用し、一連の観測から結論を導き出します。

パラメーター

次の表に、Decision Tree Classifier ールのパフォーマンスの設定と最適化のための主要なパラメーターの概要を示します。

パラメーター説明デフォルト値可能な値
MAX_BINSbin の最大数は、連続する機能を個別の間隔に分割する方法を決定します。 これは、各デシジョンツリーノードでの機能の分割方法に影響します。 bin が多いほど、精度が高くなります。32少なくとも 2 で、カテゴリ機能のカテゴリ数と等しい数である必要があります。
CACHE_NODE_IDSfalse の場合、アルゴリズムによってツリーがエグゼキューターに渡され、インスタンスとノードが一致します。 true の場合、アルゴリズムはインスタンスごとにノード ID をキャッシュするので、より深いツリーのトレーニングが迅速になります。falsetrue、false
CHECKPOINT_INTERVALキャッシュされたノード ID のチェックポイント頻度を指定します。 例えば、10 は、キャッシュが 10 回ごとにチェックポイントされることを意味します。10（>= 1）
IMPURITY情報ゲインの計算に使用する条件（大文字と小文字を区別しない）。「ジニ」entropy、gini
MAX_DEPTHツリーの最大深度（負でない）。 例えば、depth 0 は 1 つのリーフノードを意味し、depth 1 は 1 つの内部ノードと 2 つのリーフノードを意味します。5（>= 0） （範囲：[0,30]）
MIN_INFO_GAIN分割がツリーノードで考慮されるために必要な最小情報利得。0.0（>= 0.0）
MIN_WEIGHT_FRACTION_PER_NODE各子が分割の後に持つ必要がある重み付けされたサンプル数の最小割合。 分割によって、いずれかの子の合計重みの割合がこの値を下回った場合、その子は破棄されます。0.0（>= 0.0, <= 0.5）
MIN_INSTANCES_PER_NODE分割後に各子に必要なインスタンスの最小数。 分割の結果、この値よりもインスタンス数が少ない場合、分割は破棄されます。1（>= 1）
MAX_MEMORY_IN_MBヒストグラム集計に割り当てる最大メモリを MB 単位で指定します。 この値が小さすぎる場合、1 回のイテレーションで分割されるノードは 1 つだけで、その集計はこのサイズを超える可能性があります。256（>= 0）
PREDICTION_COL予測出力の列名。「予測」任意の文字列
SEEDランダム シードです。なし任意の 64 ビット番号
WEIGHT_COL列名（例：重み）。 設定されていない場合や空の場合は、すべてのインスタンスの重みが 1.0 として扱われます。設定されていません任意の文字列
ONE_VS_RESTマルチクラス分類の問題に使用される、このアルゴリズムの One-vs-Rest ラッピングを有効または無効にします。falsetrue、false

例

Create MODEL modelname OPTIONS(
  type = 'decision_tree_classifier'
) AS
  select col1, col2, col3 from training-dataset