フォレストモデルツール

1つ以上の可能性のある予測フィールドと共に、関心のあるターゲットフィールドを含むAlteryxデータストリームまたはXDFメタデータストリームを接続します。

入力データがAlteryxデータストリームからのものである場合、オープンソースのR randomForest関数(randomForest パッケージ)がモデル推定に使用されます。

入力データが XDF出力ツール または XDF入力ツールに由来する場合、RevoScaleR rxDForest関数がモデル推定に使用されます。 RevoScaleRベースの関数を使用する利点は、大量の(メモリから作り出された)データセットを解析することが可能であるということですが、XDFファイルを作成するための余分なオーバーヘッドができるというデメリットもあり、データ上でより多くのパスを作成する必要のあるアルゴリズムを使用して、オープンソースのrandomForest関数より(ずっと遅くなりる)アンサンブル内にそれぞれのツリーを作成します。 その結果、アンサンブル内のツリー数をデフォルトの500ツリーから減らすことを強くお勧めします。

• モデル名： モデルが他のツールで参照されているとき、そのモデルを識別するモデルの名前を入力します。 モデル名は文字で始まり、文字、数字、および特殊文字ピリオド(.)と下線(_)を含む必要があります。 その他の特殊文字は使用できず、Rは大文字と小文字を区別します。
• ターゲット変数を選択： 予測するデータを選択します。 ターゲット変数は、応答変数または従属変数とも呼ばれます。
• 予測変数を選択： ターゲット変数の値に影響を与えるために使用するデータを選択します。 予測変数は、機能または独立変数とも呼ばれます。 任意の数の予測変数を選択できますが、ターゲット変数も予測変数にしてはなりません。 各カテゴリの予測変数は、最大32のクラスを持つことができます。

サロゲート主キーや自然主キーなどのユニークな識別子を含む列は、統計分析で使用しないでください。 これらの列は予測値がなく、ランタイム例外を引き起こす可能性があります。

• 使用するツリーの数： フォレストに含めるツリーモデルの数を選択します。 デフォルトは、Breimanの発見に基づいて500になっています。 モデルの実行時間の長さが問題になる場合は、XDFメタデータストリームで値を減らしてください。
• 各スプリット間で選択する特定の数の変数を選択する： 各スプリットで考慮する変数の数を選択します。

モデルのカスタマイズをクリックしてモデル設定を変更します。

• 各モデルツリーの全体サイズを直接制限する
• ツリーの許容可能なノードの合計： オープンソースのrandomForestモデルを使用するモデルを選択します。
• モデルツリーの最大深度： RevoScaleR rxDForest関数を使用するモデルを選択する
• ツリーノードで許可されるレコードの最小数： 各アンサンブルツリーの最小許容端末ノードのサイズを制御する値を選択します。 この数を増やすと、各ツリーのノードの総数が減少します。
• 置き換えにより各モデルを作成するためのレコードを選択： ブートストラップの複製を置換の有無にかかわらず、完全推定サンプルから抽出するかどうかを制御する場合に選択します。
• 各ツリーを作成するためにサンプリングするデータレコードのパーセンテージ： ブートストラップの各複製を形成するために、完全な推定サンプルの一部または全部を使用するかどうかを制御する場合に選択します。

• プロットサイズ： グラフのサイズには、インチまたはセンチメートルを選択します。

• グラフの解像度： 1インチあたりのドット数でグラフの解像度を選択します。 1x（96dpi）； 2x（192dpi）；または3x（288 dpi）。 解像度を低くするとファイルサイズが小さくなり、モニタでの表示に最適です。 解像度が高いほど、向上した印刷品質のより大きなファイルを作成できます。

• ベースフォントサイズ（ポイント）： グラフ内のフォントのサイズを選択します。

各出力アンカーに閲覧ツールを接続して、結果を表示します。

• O(出力)： 「結果」ウィンドウにオブジェクトのモデル名とサイズを表示します。
• R(レポート)： 要約とプロットを含むモデルの要約レポートを表示します。

関心のあるターゲットフィールドを含むインデータベースデータストリームを、1つ以上の可能性のある予測フィールドと共に接続します。

入力がSQL ServerまたはTeradataインデータベースのデータストリームに由来する場合、( RevoScaleR パッケージからの)Microsoft R ServerのrxDForest関数がモデル推定に使用されます。 これにより、ローカルマシンとサーバーの両方がMicrosoft Rサーバーで構成されている限り、データベースサーバー上で処理が実行され、パフォーマンスが大幅に向上します。

• モデル名： 各モデルには後で識別できるように名前を付ける必要があります。 名前を提供するか、名前を自動的に生成させるかのいずれかを選択できます。 モデル名は文字で始まり、文字、数字、および特殊文字ピリオド（ "."）とアンダースコア（ "_"）を含む必要があります。 その他の特殊文字は使用できず、Rは大文字と小文字を区別します。
• ターゲット変数を選択： 予測するデータストリームからフィールドを選択します。
• 予測変数を選択： ターゲット変数の値が変更される "原因" と考えられるフィールドをデータストリームから選択します。

サロゲート主キーや自然主キーなどのユニークな識別子を含む列は、統計分析で使用しないでください。 これらの列は予測値がなく、ランタイム例外を引き起こす可能性があります。

• 使用するツリーの数： フォレストに含めるツリーモデルの数を選択します。 デフォルトは、Breimanの発見に基づいて500になっています。 モデルの実行時間の長さが問題になる場合は、XDFメタデータストリームで値を減らしてください。
• 各スプリット間で選択する特定の数の変数を選択する： 各スプリットで考慮する変数の数を選択します。
• モデル推定のためにサンプリングの重みを使用： チェックボックスをクリックしてから、データストリームから重みフィールドを選択して、サンプリングの重みを使用するモデルを推定します。 フィールドは予測と重み変数の両方として使用され、重み変数はモデルコールの出力に「Right_」という文字列が付加された形で表示されます。

• 各モデルツリーの全体サイズを直接制限する
• ツリーの許容可能なノードの合計： オープンソースR randomForestモデルを使用するモデルを選択します。
• モデルツリーの最大深度： RevoScaleR rxDForest関数を使用するモデルを選択します。
• ツリーノードで許可されるレコードの最小数： 各アンサンブルツリーの最小許容端末ノードのサイズを制御する値を選択します。 この数を増やすと、各ツリーのノードの総数が減少します。
• 置き換えにより各モデルを作成するためのレコードを選択： ブートストラップの複製を置換の有無にかかわらず、完全推定サンプルから抽出するかどうかを制御する場合に選択します。
• 各ツリーを作成するためにサンプリングするデータレコードのパーセンテージ： ブートストラップの各複製を形成するために、完全な推定サンプルの一部または全部を使用するかどうかを制御する場合に選択します。

• プロットサイズ： グラフのサイズには、インチまたはセンチメートルを選択します。

• グラフの解像度： 1インチあたりのドット数でグラフの解像度を選択します。 1x（96dpi）； 2x（192dpi）；または3x（288 dpi）。 解像度を低くするとファイルサイズが小さくなり、モニタでの表示に最適です。 解像度が高いほど、向上した印刷品質のより大きなファイルを作成できます。

• ベースフォントサイズ（ポイント）： グラフ内のフォントのサイズを選択します。

各出力アンカーに閲覧ツールを接続して、結果を表示します。

• O(出力)： 「結果」ウィンドウにオブジェクトのモデル名とサイズを表示します。
• R(レポート)： 要約とプロットを含むモデルの要約レポートを表示します。