決定木ツール

入力を接続する

[決定木]ツールでは、次のものを入力する必要があります。

関心のあるターゲットフィールド
1つ以上の予測フィールド

モデルの推定で使用されるパッケージは、入力データストリームによって異なります。

Alteryx データストリームは、オープンソースの R rpart関数を使用します。
XDF メタデータストリームは、 XDF入力ツールまたは XDF出力ツール、RevoScaleR rxDTree 関数を使用します。
SQL server インデータベースのデータストリームのデータは、rxBTrees 関数を使用します。
Microsoft Machine Learning Serverのインストールでは、SQL ServerデータベースまたはTeradataデータベースのデータに対してRevoScaleR rxBTrees関数を使用します。これには、ローカルマシンとサーバーをMicrosoft Machine Learning Serverで構成する必要があります。これにより、データベースサーバーでの処理が可能になり、パフォーマンスが大幅に向上します。

RevoScaleR 機能

オープンソースのR関数と比較して、RevoScaleRベースの関数はより大きなデータセットを解析できます。しかし、RevoScaleR ベースの関数は XDF ファイルを作成する必要があり、オーバーヘッドコストが増加し、データをより多く通過させるアルゴリズムを使用し、実行時間を増加させ、一部のモデル診断出力を作成することはできないという面があります。

標準処理のためのツールを構成する

これらのオプションは、決定を生成するために必要です。

型モデル名: 他のツールから参照できるモデルの名前。モデル名または接頭辞は文字で始まり、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。 Rは大文字小文字を区別します。
ターゲット変数の選択: 予測されるデータフィールド (応答または従属変数とも呼ばれます)。
[予測変数]: ターゲット変数の値 (フィーチャまたは独立変数とも呼ばれます) に影響を与えるために使用されるデータフィールド。 1つの予測フィールドが最低限必要ですが、選択された予測フィールドの数に上限はありません。ターゲット変数自体をターゲット値の計算に使用すべきではないため、ターゲットフィールドをプレディクタフィールドに含めるべきではありません。

サロゲート主キーやナチュラル主キーなどの固有識別子を含む列は、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、ランタイム系例外を引き起こす可能性があります。

[カスタマイズ] をクリックして追加設定を調整します。

モデル: モデルがデータを評価して構築する方法を変更するオプション。

クロス検証: 使用可能な情報を効率的に使用する検証方法をカスタマイズするためのコントロール。

クロス確認のカスタマイズ

クロス検証を使用してモデル品質の見積もりを決定する: 複数のモデル品質のメトリックスとグラフを取得するためにクロス検証を実行する場合に選択します。 R 出力にはいくつかのメトリクスとグラフが表示され、その他は I 出力に表示されます。

クロス検証フォールドの数: 検証またはトレーニングのためにデータが分割されるサブサンプルの数。折り畳み数が多いほどモデルの品質はより強固に推定されますが、折り畳みが少ない方がツールは高速に実行されます。
クロス検証試験の数: クロス検証プロシージャが繰り返される回数。フォールドは、各試験で異なる選択され、結果はすべての試験で平均化されます。折り畳み数が多いほどモデルの品質はより強固に推定されますが、折り畳みが少ない方がツールは高速に実行されます。
外部クロス検証のシードを設定: ランダムサンプリングの描画シーケンスを決定する値。これにより、選択方法はランダムでデータに依存しないが、データ内の同じレコードが選択されます。

クロス検証のためのランダムシードの値を選択: シードの値を選択します。タイムスタンプは正の整数でなければなりません。

プロット: 出力レポートに表示されるグラフを選択して構成します。

グラフ出力のカスタマイズ

[静的レポートの表示]: R 出力アンカーからモデルの概要レポートを表示する場合に選択します。デフォルトで選択されています。

ツリープロット: デシジョンツリー変数と分岐のグラフ。

レポートでツリープロットを使用する

表示ツリープロット: クリックすると、デシジョンツリー変数と分岐のグラフがモデルレポートの出力に含まれます。

[均一な分岐距離]: 選択すると、ツリーの分岐が均一の長さで表示されるか、またはターゲットの予測における分割の相対的重要性に比例します。
リーフの概要: ツリープロットの最後のリーフノードに表示される内容を決定します。レコード数が表示されている場合は、[カウント] を選択します。合計レコードの割合が表示されている場合は、比率を選択します。
[印刷サイズ]: グラフがインチまたはセンチメートルで表示される場合に選択します。
[幅]: [印刷サイズ] で選択した単位を使用してグラフの幅を設定します。
[高さ]: [印刷サイズ] で選択した単位を使用してグラフの高さを設定します。
グラフ解像度 : グラフの解像度を1インチあたりのドット数: 1x (96 dpi)、2x (192 dpi)、または 3x (288 dpi) で選択します。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。解像度を高くするとファイルサイズが大きくなり、印刷品質は向上します。
基本フォントサイズ (ポイント): グラフ内のフォントのサイズを選択します。

剪定プロット: デシジョンツリーの簡略化されたグラフ。

インデータベース処理のためのツールの設定

[決定木]ツールは、Microsoft SQL Server 2016およびTeradataのインデータベース処理をサポートします。参照：インデータベースの概要インデータベース内のサポートとツールの詳細については。

デシジョンツリーツールを別の in-db ツールを使用してキャンバスに配置すると、ツールは自動的に db 内バージョンに変更されます。ツールのバージョンを変更するには、ツールを右クリックし、[ツールバージョンの選択]をポイントして、別のバージョンのツールをクリックします。参照：予測分析データベース内の予測サポートの詳細については

必要なパラメータ

モデル名: 後で識別できるように、各モデルに名前を指定する必要があります。

特定のモデル名: モデルに使用するモデル名を入力します。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。
モデル名を自動的に生成: Designer は、必要なパラメータを満たすモデル名を自動的に生成します。

ターゲット変数を選択: 予測したい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 "原因" であると考えられるデータストリームのフィールドを選択します。

サロゲート主キーやナチュラル主キーなどの固有識別子を含む列は、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、ランタイム系例外を引き起こす可能性があります。

モデル推定でサンプリングウェイトを使用する (オプション): サンプリングウェイトを使用するために入力データストリームからフィールドを選択する場合に選択します。

[サンプリングウェイト] フィールドを選択します: データストリームからウェイトフィールドを選択して、サンプリングウェイト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ます。

ウェイト変数は、出力のモデル呼び出しに、その先頭に "Right_" という文字列を付けて表示されます。

モデルのカスタマイズ

モデルタイプ: 使用するモデルのタイプを選択します。

分類: カテゴリターゲットを予測するモデル。分類モデルを使用する場合は、分割基準も選択します。

ジニ係数
エントロピーに基づく情報索引

回帰: 連続する数値ターゲットを予測するモデル。

分割を許可するために必要なレコードの最小数: ツリーの分岐のセットに沿って、それ以上の分割が許可されていないよりも、選択された最小数より少ないレコードがある場合。
複雑さパラメーター: このパラメーターは、分割の実行方法 (ツリー内の分岐の数など) を制御します。値は1より小さくなければならず、値が小さいほど、最終的なツリーのブランチが多くなります。「オート」の値、または値の省略は、クロス確認に基づいて「最良の」複雑性パラメーターがもたらされることになります。
ターミナルノード内のレコードの許容最小数: ターミナルノードに含める必要があるレコードの最小数。この数を減らすと、最終的な端末ノードの潜在的な数が増えます。
サロゲート使用: このオプションのグループは、特定の分割における予測変数のデータが欠落しているレコードがどのように扱われるかを制御します。第1の選択肢は、スプリットに使用された変数の欠損値を含むレコードを省略(削除)することです。 2番目の方法は、「サロゲート」スプリットを使用することです。この場合、レコードの送信方向は、ほぼ同じ結果を持つ1つ以上の他の変数の代替分割に基づいています。 3番目の選択肢は、スプリット時の多数決方向の観測を送信することです。

主分割ルールの値が欠落している観測を省略する
候補変数がないレコードを分割するためにサロゲートを使用する
すべてのサロゲートが欠落している場合は、最も多い方向に観測を送信します
潜在的候補変数の正しい分類の総数
的中率が候補変数の欠落していない値に対して計算されました

ツリーを切り取るためにクロス検証で使用するフォールドの数: ツリーが複雑さパラメータを使用して剪定される場合、クロス検証を使用して、ツリー内にある分割の数を決定します。これは、折り畳みのN-1がモデルを作成するために使用されるクロスバリデーションの使用を通して行われ、N番目の折り畳みは、オーバーフィットを回避するために、保持フォールドに最もよく適合するブランチの数を決定するためのサンプルとして使用されます。ユーザーが変更できる1つのことは、データを分けるグループ数(N)です。デフォルトは10ですが、他の一般的な値は5と20です。
最終的なツリー内の任意のノードの最大許容深度: このオプションは、ルートノードからルートから最も遠いノードまで許容されるレベルの数を示すことによって、ツリー全体のサイズを制限します。
各数値変数に使用する bin の最大数: スケーラブルなデシジョンツリーを実装する Revo スカラー関数 (rxDTree) は、計算の複雑さを軽減するために、同じ間隔のビン分割プロセスを使用して数値変数を処理します。これらの選択肢は、「デフォルト」です。つまり、スプリットを可能にするために必要なレコードの最小数に基づく式が使用されますが、ユーザーが手動で設定することができます。このオプションは、ツールへの入力がXDFメタデータストリームの場合にのみ適用されます。

グラフィックオプション

ツリープロット: このオプションのセットは、デシジョンツリーのプロットに関連するオプションの数を制御します。

リーフの概要: このオプションの最初の選択は、リーフの概要の性質です。このオプションは、ツリープロットの最後の葉ノードにカウントまたは割合を印刷するかどうかを制御します。

カウント:
プロポーション:

一様分岐距離: 2 番目のオプションは、均一な分岐距離を使用するかどうかです。このオプションは、描画されたツリーのブランチの長さが、ターゲットを予測する際のスプリットの相対的な重要性を反映するか、ツリープロットの長さが均一であるかを制御します。

剪定プロット: このオプションを使用すると、ツリープロットに類似した方法で剪定プロットのサイズ、解像度、およびベースのフォントを設定することができます。

[印刷サイズ]: 出力ツリープロットの寸法を設定します。

インチ: プロットの幅と高さを設定します。
センチメートル: プロットの幅と高さを設定します。

グラフ解像度 : グラフの解像度を1インチあたりのドット数: 1x (96 dpi)、2x (192 dpi)、または 3x (288 dpi) で選択します。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。解像度を高くするとファイルサイズが大きくなり、印刷品質は向上します。
基本フォントサイズ (ポイント): ポイント単位のフォントサイズ。

出力を見る

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が表示されます。
R (レポート): サマリーとプロットを含むモデルのサマリレポートを表示します。
I (対話型): ズーム、ホバー、およびクリックを可能にするビジュアルをサポートする対話型ダッシュボードを表示します。

予想される動作: 印刷精度

デシジョンツリーツールを標準処理に使用する場合、対話型出力では、レポート出力よりも数値の精度が高くなります。