多类决策林
重要
对机器学习工作室（经典）的支持将于 2024 年 8 月 31 日结束。 建议在该日期之前转换到 Azure 机器学习。
从 2021 年 12 月 1 日开始，你将无法创建新的机器学习工作室（经典）资源。 在 2024 年 8 月 31 日之前，可继续使用现有的机器学习工作室（经典）资源。
ML 工作室（经典）文档即将停用，将来可能不会更新。
使用决策林算法创建多类分类模型
模块概述
本文介绍如何使用机器学习 Studio 中的 "多类决策林" 模块 (经典) ，根据决策林算法创建机器学习模型。 决策林是一种系综的模型，它在从标记的数据中学习时，它会迅速生成一系列的决策树。
有关决策林的详细信息
决策林算法是一种用于分类的系综学习方法。 该算法的工作原理是生成多个决策树，然后对最受欢迎的输出类进行投票。 投票是一种聚合形式，其中分类决策林中的每棵树都输出标签的非标准化频率直方图。 聚合过程将这些直方图求和，并对结果进行规范化以获得每个标签的“概率”。 决策树的预测置信度越高，其在系综的最终决策中所占的权重越高。
决策树通常是非参数模型，这意味着它们支持具有不同分布的数据。 在每棵树中，为每个类运行一系列简单测试，从而增加树结构的级别，直到达到叶节点（决策）为止。
决策树具有许多优点：
- 可以表示非线性决策边界。
- 在训练和预测期间的计算和内存使用效率高。
- 可执行集成的特征选择和分类。
- 可以抵抗干扰特征的影响。
机器学习 Studio (经典) 的决策林分类器由决策树的系综组成。 一般说来，系综模型可以提供比单个决策树更大的覆盖范围和更高的准确度。 有关详细信息，请参阅决策树。
如何配置多类决策林
提示
如果你不确定最佳参数，我们建议你使用 优化模型超参数 模块训练和测试多个模型，并找到最佳参数。
将 多类决策林 模块添加到 Studio 中的试验 (经典) 。 可在“机器学习”、“初始化模型”和“分类”中找到此模块 。
双击该模块以打开“属性”窗格。
对于重新采样方法，请选择用于创建单个树的方法。 可以选择装袋或复制。
装袋：装袋也称为“启动聚合”。 在此方法中，每个树都在新示例的基础上发展。新示例的创建方法是，对原始数据集进行随机采样并替换，直到得到与原始数据集相同大小的数据集。 通过投票（一种聚合形式）组合模型的输出。 有关详细信息，请参阅关于启动聚合的维基百科条目。
复制：在复制中，每个树都用完全相同的输入数据进行训练。 确定每个树节点使用哪个拆分谓词仍然是随机的，从而创建了不同的树。
有关指南，请参阅 如何配置多类决策林模型 部分。
通过设置“创建训练模式”选项，指定希望如何训练模型。
单个参数：如果知道自己想要如何配置模型，请选择此选项并提供一组值作为参数。
参数范围：如果你不确定最佳参数，并想要使用参数扫描，请使用此选项。
决策树的数目：键入可在系综中创建的最大决策树数目。 通过创建更多决策树，可获得更好的覆盖范围，但训练时间可能会增加。
此值还控制对经训练的模型进行可视化时在结果中显示的树的数量。 要查看或打印单个树，可将该值设置为 1；但是，这意味着只能生成一个树（带有初始参数集的树），而不会执行进一步的迭代。
决策树的最大深度：键入一个数字，以限制任何决策树的最大深度。 增加树的深度可能会提高精度，但存在过度拟合和训练时间增加的风险。
每个节点的随机拆分数：键入在生成树的每个节点时要使用的拆分数。 拆分意味着对树的每个级别（节点）的要素进行随机划分。
每个叶节点的最小样本数：指示在树中创建任何终端节点（叶）所需的最小事例数。 通过增加此值，可以增加创建新规则的阈值。
例如，使用默认值 1 时，即使是单个案例也可以导致创建新规则。 如果将值增加到 5，则训练数据将必须包含至少 5 个满足相同条件的案例。
允许分类特征的未知值：选择此选项可在定型集或验证集中为未知值创建组。 对于已知值，此模型可能不太精确，但是对于新的（未知）值，它可以提供更好的预测。
如果取消选择此选项，该模型只会接受定型数据中存在的值。
连接标记的数据集和培训模块之一：
运行试验。
结果
在训练完成后：
- 若要查看在每次迭代中创建的树，请右键单击 " 训练模型 模块"，然后选择 " 定型模型 " 进行可视化。 如果使用 优化模型超参数，请右键单击模块并选择 " 训练最佳模型 "，以可视化最佳模型。 若要查看每个节点的规则，请单击每个树以向下钻取拆分。
示例
有关如何在机器学习中使用决策林的示例，请参阅 Azure AI 库：
- 比较多类分类器示例：使用几种算法，并讨论其优点和缺点。
技术说明
本部分包含实现详情、使用技巧和常见问题解答。
实现详细信息
分类决策林中的每个树都输出标签的非规范化频率直方图。 聚合就是将这些直方图求和，并进行标准化以获得每个标签的“概率”。 通过这种方式，具有高预测置信度的树在最终决定系综时具有更大的权重。
相关研究
有关 " 复制 " 选项的训练过程的详细信息，请参阅：
如何配置多类决策林模型
您可以更改模块的配置方式，以适应某些情况，例如数据太少或培训时间有限。
有限培训时间
如果训练集包含大量实例，但你可用于训练模型的时间有限，请尝试下列选项：
- 创建使用更少的决策树（例如，5-10）的决策林。
- 使用“复制”选项来重新采样。
- 为每个节点指定少量的随机拆分（例如，100 个以下）。
有限的训练集
如果训练集包含有限的数量的实例，请尝试使用这些选项：
- 创建使用大量的决策树（例如，20 个以上）的决策林。
- 使用“装袋”选项来重新采样。
- 为每个节点指定大量的随机拆分（例如，1,000 个以上）。
模块参数
| 名称 | 范围 | 类型 | 默认 | 说明 |
|---|---|---|---|---|
| 重新采样方法 | 任意 | ResamplingMethod | 装袋 | 选择重新采样方法：复制或复制 |
| 决策树数 | >=1 | Integer | 8 | 指定要在系综中创建的决策树数 |
| 决策树的最大深度 | >=1 | Integer | 32 | 指定可创建的任何决策树的最大深度 |
| 每个节点的随机拆评分 | >=1 | Integer | 128 | 为要从中选择最佳拆分的每个节点指定生成的拆评分 |
| 每个叶节点的最小样本数 | >=1 | Integer | 1 | 指定生成叶节点所需的最小训练样本数 |
| 允许分类特征的未知值 | 任意 | 布尔 | True | 指示是否可将现有分类特征的未知值映射到其他新特征 |
Outputs
| 名称 | 类型 | 说明 |
|---|---|---|
| 未训练的模型 | ILearner 接口 | 未训练的多类分类模型 |