Aracılığıyla paylaş

fastForest: fastForest

rxEnsemble ile FastForest modelini eğitmek için işlev adını ve bağımsız değişkenlerini içeren bir liste oluşturur.

Kullanım

  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, ...)

Tartışmalar

numTrees

Toplulukta oluşturulacak karar ağaçlarının toplam sayısını belirtir. Daha fazla karar ağacı oluşturarak daha iyi bir kapsam elde edebilirsiniz, ancak eğitim süresi artar. Varsayılan değer 100 şeklindedir.

numLeaves

Herhangi bir ağaçta oluşturulabilecek en fazla yaprak sayısı (terminal düğümleri). Daha yüksek değerler büyük olasılıkla ağacın boyutunu artırır ve daha iyi duyarlık elde eder, ancak fazla uygunluk riski ve daha uzun eğitim süreleri gerektirir. Varsayılan değer 20'dir.

minSplit

Yaprak oluşturmak için gereken en az eğitim örneği sayısı. Başka bir ifadeyle, alt örneklenmiş verilerin dışında bir regresyon ağacının yaprağında izin verilen en az sayıda belge. 'Bölme', ağacın (düğüm) her düzeyindeki özelliklerin rastgele bölündüğü anlamına gelir. Varsayılan değer 10'dur.

exampleFraction

Her ağaç için kullanılacak rastgele seçilen örneklerin kesri. Varsayılan değer 0,7'dir.

featureFraction

Her ağaç için kullanılacak rastgele seçilen özelliklerin kesri. Varsayılan değer 0,7'dir.

splitFraction

Her bölmede kullanılacak rastgele seçilen özelliklerin kesri. Varsayılan değer 0,7'dir.

numBins

Özellik başına en fazla ayrı değer (bölme) sayısı. Varsayılan değer 255'tir.

firstUsePenalty

Özellik ilk olarak ceza katsayısını kullanır. Varsayılan değer 0'dır.

gainConfLevel

Ağaç uydurma kazanç güven gereksinimi ([0,1) aralığında olmalıdır). Varsayılan değer 0'dır.

trainThreads

Eğitimde kullanılacak iş parçacığı sayısı. belirtilirse NULL , kullanılacak iş parçacığı sayısı dahili olarak belirlenir. Varsayılan değer şudur: NULL.

randomSeed

Rastgele tohumu belirtir. Varsayılan değer şudur: NULL.

...

Ek bağımsız değişkenler.

  • Last updated on