Udostępnij przez

rxFastForest: Szybki las

Szybki las uczenia maszynowego

Zastosowanie

  rxFastForest(formula = NULL, data, type = c("binary", "regression"),
    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, mlTransforms = NULL, mlTransformVars = NULL,
    rowSelection = NULL, transforms = NULL, transformObjects = NULL,
    transformFunc = NULL, transformVars = NULL, transformPackages = NULL,
    transformEnvir = NULL, blocksPerRead = rxGetOption("blocksPerRead"),
    reportProgress = rxGetOption("reportProgress"), verbose = 2,
    computeContext = rxGetOption("computeContext"),
    ensemble = ensembleControl(), ...)

Argumenty (w programowaniu)

formula

Formuła opisana w rxFormula. Terminy interakcji i F() nie są obecnie obsługiwane w języku MicrosoftML.

data

Obiekt źródła danych lub ciąg znaków określający plik xdf lub obiekt ramki danych.

type

Ciąg znaków oznaczający typ szybkiego drzewa:

  • "binary" dla domyślnej klasyfikacji binarnej szybkiego drzewa lub
  • "regression" w przypadku regresji szybkiego drzewa.

numTrees

Określa łączną liczbę drzew decyzyjnych do utworzenia w zespole. Tworząc więcej drzew decyzyjnych, możesz potencjalnie uzyskać lepsze pokrycie, ale czas trenowania wzrasta. Wartość domyślna to 100.

numLeaves

Maksymalna liczba liści (węzłów terminalu), które można utworzyć w dowolnym drzewie. Wyższe wartości mogą potencjalnie zwiększyć rozmiar drzewa i uzyskać lepszą precyzję, ale ryzykować nadmierne dopasowanie i wymagać dłuższych czasów trenowania. Wartość domyślna to 20.

minSplit

Minimalna liczba wystąpień szkoleniowych wymaganych do utworzenia liścia. Oznacza to, że minimalna liczba dokumentów dozwolonych w liściu drzewa regresji z danych podrzędnych. Podział oznacza, że funkcje na każdym poziomie drzewa (węzła) są losowo podzielone. Wartość domyślna to 10.

exampleFraction

Ułamek losowo wybranych wystąpień do użycia dla każdego drzewa. Wartość domyślna to 0,7.

featureFraction

Ułamek losowo wybranych cech do użycia dla każdego drzewa. Wartość domyślna to 0,7.

splitFraction

Ułamek losowo wybranych funkcji do użycia w każdym podziale. Wartość domyślna to 0,7.

numBins

Maksymalna liczba unikatowych wartości (pojemników) na funkcję. Wartość domyślna to 255.

firstUsePenalty

Funkcja najpierw używa współczynnika kary. Wartość domyślna to 0.

gainConfLevel

Wymaganie ufności dopasowania drzewa (powinno znajdować się w zakresie [0,1)). Wartość domyślna to 0.

trainThreads

Liczba wątków do użycia w trenowaniu. Jeśli NULL zostanie określona, liczba wątków do użycia jest określana wewnętrznie. Wartość domyślna to NULL.

randomSeed

Określa losowe inicjatora. Wartość domyślna to NULL.

mlTransforms

Określa listę przekształceń MicrosoftML, które mają być wykonywane na danych przed trenowanie lub NULL jeśli nie mają być wykonywane żadne przekształcenia. Zobacz featurizeText, kategoryczne i podzielone na kategorieHash, aby zapoznać się z obsługiwanymi przekształceniami. Te przekształcenia są wykonywane po wszelkich określonych przekształceniach języka R. Wartość domyślna to NULL.

mlTransformVars

Określa wektor znaków nazw zmiennych, które mają być używane lub mlTransformsNULL jeśli nie mają być używane. Wartość domyślna to NULL.

rowSelection

Określa wiersze (obserwacje) z zestawu danych, które mają być używane przez model z nazwą zmiennej logicznej z zestawu danych (w cudzysłowie) lub z wyrażeniem logicznym przy użyciu zmiennych w zestawie danych. Na przykład użyje tylko obserwacji, rowSelection = "old" w których wartość zmiennej old to TRUE. rowSelection = (age > 20) & (age < 65) & (log(income) > 10) Używa tylko obserwacji, w których wartość age zmiennej wynosi od 20 do 65, a wartość log zmiennej income jest większa niż 10. Wybór wiersza jest wykonywany po przetworzeniu wszystkich przekształceń danych (zobacz argumenty transforms lub transformFunc). Podobnie jak we wszystkich wyrażeniach, rowSelection można zdefiniować poza wywołaniem funkcji przy użyciu funkcji wyrażenia.

transforms

Wyrażenie formularza list(name = expression, ``...) reprezentującego pierwszą rundę przekształceń zmiennych. Podobnie jak w przypadku wszystkich wyrażeń transforms (lub rowSelection) można zdefiniować poza wywołaniem funkcji przy użyciu funkcji wyrażenia.

transformObjects

Nazwana lista zawierająca obiekty, do których można odwoływać się w transformselementach , transformsFunci rowSelection.

transformFunc

Funkcja przekształcania zmiennej. Aby uzyskać szczegółowe informacje, zobacz rxTransform.

transformVars

Wektor znaków zmiennych zestawu danych wejściowych potrzebnych do funkcji przekształcania. Aby uzyskać szczegółowe informacje, zobacz rxTransform.

transformPackages

Wektor znaków określający dodatkowe pakiety języka R (poza określonymi w ) rxGetOption("transformPackages")do udostępnienia i wstępnie załadowany do użycia w funkcjach przekształcania zmiennych. Na przykład te jawnie zdefiniowane w funkcjach RevoScaleR za pośrednictwem ich transforms argumentów i lub transformFunc zdefiniowanych niejawnie za pośrednictwem ich formula lub rowSelection argumentów. Argument transformPackages może również wskazywać NULL, że żadne pakiety poza nie rxGetOption("transformPackages") są wstępnie ładowane.

transformEnvir

Środowisko zdefiniowane przez użytkownika, które służy jako element nadrzędny dla wszystkich środowisk opracowanych wewnętrznie i używanych do przekształcania danych zmiennych. Jeśli transformEnvir = NULLzamiast tego zostanie użyte nowe środowisko "hash" z elementem nadrzędnym baseenv() .

blocksPerRead

Określa liczbę bloków do odczytu dla każdego fragmentu danych odczytywanych ze źródła danych.

reportProgress

Wartość całkowita określająca poziom raportowania postępu przetwarzania wierszy:

  • 0: nie zgłoszono żadnego postępu.
  • 1: liczba przetworzonych wierszy jest drukowana i aktualizowana.
  • 2: są zgłaszane przetworzone wiersze i chronometraż.
  • 3: są zgłaszane wiersze przetworzone i wszystkie chronometraż.

verbose

Wartość całkowita określająca ilość żądanych danych wyjściowych. Jeśli 0podczas obliczeń nie są drukowane żadne pełne dane wyjściowe. Wartości całkowite z 1 , aby 4 zapewnić coraz większe ilości informacji.

computeContext

Ustawia kontekst, w którym są wykonywane obliczenia określone przy użyciu prawidłowego elementu RxComputeContext. Obecnie obsługiwane są konteksty obliczeniowe lokalne i RxInSqlServer.

ensemble

Parametry sterowania dla ensembling.

...

Dodatkowe argumenty, które mają być przekazywane bezpośrednio do aparatu obliczeniowego firmy Microsoft.

Szczegóły

Drzewa decyzyjne to modele nieparametryczne, które wykonują sekwencję
proste testy danych wejściowych. Ta procedura decyzyjna mapuje je na dane wyjściowe znalezione w zestawie danych treningowych, których dane wejściowe były podobne do przetwarzanych wystąpień. Decyzja jest podjęta w każdym węźle struktury danych drzewa binarnego na podstawie miary podobieństwa, która mapuje każde wystąpienie rekursywnie przez gałęzie drzewa do momentu osiągnięcia odpowiedniego węzła liścia i zwróconej decyzji wyjściowej.

Drzewa decyzyjne mają kilka zalet:

Są one wydajne zarówno w obliczeniach, jak i w przypadku użycia pamięci podczas trenowania i przewidywania.

Mogą reprezentować nieliniowe granice decyzyjne.

Wykonują one zintegrowane wybieranie i klasyfikację funkcji.

Są one odporne na obecność hałaśliwych funkcji.

Szybka regresja lasu jest losowym lasem i implementacją lasu regresji kwantylu przy użyciu uczenia drzewa regresji w rxFastTrees. Model składa się z zespołu drzew decyzyjnych. Każde drzewo w lesie decyzyjnym generuje rozkład gaussański w drodze przewidywania. Agregacja jest wykonywana przez zespół drzew w celu znalezienia rozkładu gaussańskiego znajdującego się najbliżej połączonego rozkładu dla wszystkich drzew w modelu.

Ten klasyfikator lasu decyzyjnego składa się z zespołu drzew decyzyjnych. Ogólnie rzecz biorąc, modele zespołów zapewniają lepsze pokrycie i dokładność niż pojedyncze drzewa decyzyjne. Każde drzewo w lesie decyzyjnym generuje rozkład gaussański w drodze przewidywania. Agregacja jest wykonywana przez zespół drzew w celu znalezienia rozkładu gaussańskiego znajdującego się najbliżej połączonego rozkładu dla wszystkich drzew w modelu.

Wartość

rxFastForest rxFastForest: obiekt z wytrenowanym modelem.

FastForest: Obiekt specyfikacji ucznia dla maml trenera Fast Forest.

Notatki

Ten algorytm jest wielowątkowy i zawsze podejmie próbę załadowania całego zestawu danych do pamięci.

Autorzy

Microsoft Corporation Microsoft Technical Support

Źródła

Wikipedia: Random forest

Quantile regression forest

From Stumps to Trees to Forests

Zobacz także

rxFastTrees, rxFastLinear, rxLogisticRegression, rxNeuralNet, rxOneClassSvm, featurizeText, categoricalHash, rxPredict.mlModel.

Przykłady


 # Estimate a binary classification forest
 infert1 <- infert
 infert1$isCase = (infert1$case == 1)
 forestModel <- rxFastForest(formula = isCase ~ age + parity + education + spontaneous + induced,
         data = infert1)

 # Create text file with per-instance results using rxPredict
 txtOutFile <- tempfile(pattern = "scoreOut", fileext = ".txt")
 txtOutDS <- RxTextData(file = txtOutFile)
 scoreDS <- rxPredict(forestModel, data = infert1,
    extraVarsToWrite = c("isCase", "Score"), outData = txtOutDS)

 # Print the fist ten rows   
 rxDataStep(scoreDS, numRows = 10)

 # Clean-up
 file.remove(txtOutFile)

 ######################################################################
 # Estimate a regression fast forest

 # Use the built-in data set 'airquality' to create test and train data
 DF <- airquality[!is.na(airquality$Ozone), ]  
 DF$Ozone <- as.numeric(DF$Ozone)
 randomSplit <- rnorm(nrow(DF))
 trainAir <- DF[randomSplit >= 0,]
 testAir <- DF[randomSplit < 0,]
 airFormula <- Ozone ~ Solar.R + Wind + Temp

 # Regression Fast Forest for train data
 rxFastForestReg <- rxFastForest(airFormula, type = "regression", 
     data = trainAir)  

 # Put score and model variables in data frame
 rxFastForestScoreDF <- rxPredict(rxFastForestReg, data = testAir, 
     writeModelVars = TRUE)

 # Plot actual versus predicted values with smoothed line
 rxLinePlot(Score ~ Ozone, type = c("p", "smooth"), data = rxFastForestScoreDF)
  • Last updated on