fastForest: fastForest

Crea un elenco contenente il nome della funzione e gli argomenti per eseguire il training di un modello FastForest con rxEnsemble.

Utilizzo

  fastForest(numTrees = 100, numLeaves = 20, minSplit = 10,
    exampleFraction = 0.7, featureFraction = 0.7, splitFraction = 0.7,
    numBins = 255, firstUsePenalty = 0, gainConfLevel = 0,
    trainThreads = 8, randomSeed = NULL, ...)
 

Arguments

numTrees

Specifica il numero totale di alberi delle decisioni da creare nell'insieme. Creando più alberi delle decisioni, è possibile ottenere una migliore copertura, ma saranno necessari tempi di training prolungati. Il valore predefinito è 100.

numLeaves

Numero massimo di foglie (nodi di terminale) che è possibile creare in ogni albero. Valori più elevati aumentano potenzialmente le dimensioni dell'albero e consentono di ottenere una precisione migliore, ma rischiano di causare un overfitting e di richiedere tempi di training più lunghi. Il valore predefinito è 20.

minSplit

Numero minimo di istanze di training necessarie per formare una foglia. Si tratta del numero minimo di documenti consentiti in una foglia di un albero di regressione, al di là dei dati sotto-campionati. Uno split indica che le funzionalità di ogni livello dell'albero (nodo) vengono divise in modo casuale. Il valore predefinito è 10.

exampleFraction

Frazione di istanze scelte in modo casuale da usare per ogni albero. Il valore predefinito è 0,7.

featureFraction

Frazione di funzionalità scelte in modo casuale da usare per ogni albero. Il valore predefinito è 0,7.

splitFraction

Frazione di funzionalità scelte in modo casuale da usare per ogni split. Il valore predefinito è 0,7.

numBins

Numero massimo di valori distinti (bin) per funzionalità. Il valore predefinito è 255.

firstUsePenalty

Coefficiente di penalità per il primo utilizzo della funzionalità. Il valore predefinito è 0.

gainConfLevel

Requisito di attendibilità del guadagno di adattamento dell'albero. Il valore deve rientrare nell'intervallo [0,1]. Il valore predefinito è 0.

trainThreads

Numero di thread da usare nel training. Se viene specificato NULL, il numero di thread da usare viene determinato internamente. Il valore predefinito è NULL.

randomSeed

Specifica il valore di inizializzazione casuale. Il valore predefinito è NULL.

...

Argomenti aggiuntivi.