Bewertet eine Tabelle mithilfe eines Gradient-Boosting-Baummodells.
| Parameter | Beschreibung |
|---|---|
| applyRowOrder | Gibt an, dass die Aktion eine vorab angegebene Zeilenreihenfolge verwenden soll. Dies erfordert die Verwendung der Parameter orderby und groupby bei einem vorherigen table.partition-Aktionsaufruf. Standard: FALSCH. |
| assess | Wenn auf 'True' gesetzt, werden die vorhergesagten Wahrscheinlichkeiten für die Ereignisebenen zur Ergebnistabelle hinzugefügt. Sie können diese vorhergesagten Wahrscheinlichkeiten mit der 'assess'-Aktion verwenden. Standard: FALSCH. |
| assessOneRow | Wenn auf 'True' gesetzt, werden die vorhergesagten Wahrscheinlichkeiten für die Ereignisebenen zur Ergebnistabelle hinzugefügt. Alle Ereigniswahrscheinlichkeiten werden als separate Spalten eingefügt und mit dem Präfix '_DT_P_' benannt. Sie können diese vorhergesagten Wahrscheinlichkeiten mit der 'assess'-Aktion verwenden. Standard: FALSCH. |
| casOut | Gibt die Tabelle an, in der die bewerteten Ergebnisse gespeichert werden sollen. Wenn nicht angegeben, bewertet die Aktion den Datensatz und berechnet nur die Fehlklassifizierungsrate für Klassifikationen und den mittleren quadratischen Fehler für Regressionen. |
| copyVars | Gibt die Variablen an, die von der Eingabetabelle in die Ausgabetabelle übertragen werden sollen. |
| encodeName | Gibt an, ob die Variablennamen, wie z. B. vorhergesagte Wahrscheinlichkeiten eines binären oder nominalen Ziels in der generierten 'casout'-Tabelle, kodiert werden sollen. Die vorhergesagten Wahrscheinlichkeiten werden mit dem Präfix 'P_' anstelle von '_DT_P_' benannt. Standard: FALSCH. |
| includeMissing | Standardmäßig werden Beobachtungen mit fehlenden Werten einbezogen. Wenn auf 'False' gesetzt, werden Beobachtungen mit fehlenden Werten für die im Baummodell verwendeten Variablen bei der Bewertung ignoriert. Standard: WAHR. |
| modelId | Gibt den Namen der Modell-ID-Variablen an, die beim Generieren der bewerteten Tabelle verwendet werden soll. Standardmäßig ist der Variablenname '_DT_PredName_' für Klassifikationen, '_DT_PredLowerbd_' und '_DT_PredUpperbd_' für ein gruppiertes Ziel und '_DT_PredMean_' für Regressionen. |
| modelTable | Gibt die Tabelle an, die das Modell enthält. Erforderlicher Parameter. |
| nTree | Gibt die Anzahl der Bäume an, die bei der Bewertung verwendet werden sollen. Mindestwert: 1. Standard: MACINT. |
| offset | |
| rbaImp | Gibt die Variablenbedeutung mithilfe der Methode der zufälligen Verzweigungszuweisungen (RBA) an. Standard: FALSCH. |
| seed | Gibt den Seed für den Zufallszahlengenerator an. Standardmäßig basiert der Zufallszahlenstrom auf der Computeruhr. Negative Werte führen ebenfalls zu Zufallszahlenströmen, die auf der Computeruhr basieren. Wenn Sie eine reproduzierbare Zufallszahlenfolge zwischen den Läufen wünschen, geben Sie einen Wert größer als Null an. Standard: 0. Bereich: 0-MACINT. |
| table | Gibt die Einstellungen für eine Eingabetabelle an. Erforderlicher Parameter. |
| target | Gibt die Zielvariable bei der Bewertung eines Datensatzes an. Wenn der Zielvariablenname im Baummodell in der bewerteten Tabelle derselbe ist, ist diese Option nicht erforderlich. |
| treeVotes | Fordert an, dass die durch die Bewertung des Forests generierte bewertete Tabelle mit Informationen über die Stimmen der einzelnen Bäume erweitert wird. Standard: FALSCH. |
| varIntImp | Fordert die Bedeutung der Variableninteraktion an und gibt den maximalen Interaktionsgrad an. Standard: 1. Bereich: 0-3. |