Strumento Classificazione
Utilizza lo strumento Classificazione come parte di una pipeline di Machine Learning per identificare la categoria a cui appartiene un target. Lo strumento fornisce diversi algoritmi che è possibile usare per eseguire il training di un modello. Lo strumento consente inoltre di ottimizzare un modello utilizzando molti parametri.
Alteryx Intelligence Suite necessario
Questo strumento fa parte di Alteryx Intelligence Suite . Intelligence Suite richiede una licenza separata e un ulteriore programma di installazione per Designer. Dopo aver installato Designer, installa Intelligence Suite e avvia la versione di prova gratuita .
Configurazione dello strumento
Questa sezione contiene informazioni su come configurare lo strumento Classificazione.
Selezione dell'algoritmo
Seleziona l'algoritmo che desideri utilizzare. È possibile scegliere Regressione logistica , Albero decisionale , Foresta casuale o XGBoost .
Configurazione dei parametri
Configura i parametri. Ogni algoritmo ha parametri diversi da altri algoritmi. Ogni algoritmo ha anche parametri generali e avanzati. I parametri generali sono parte integrante della creazione di un modello accurato, anche per i principianti. I parametri avanzati potrebbero migliorare la precisione, ma richiedono una comprensione approfondita delle operazioni eseguite.
Fai riferimento alla tabella per ogni algoritmo per vedere cosa fanno i parametri:
Nome | Descrizione | Opzioni | Predefinito |
class_weight | class_weight assegna pesi a classi diverse nel set di dati. Alcuni algoritmi sopravvalutano le classi prevalenti, causando squilibri. Questo parametro consente di bilanciare le classi nel set di dati assegnando peso aggiuntivo alle classi di minoranza. |
| none |
fit_intercept | Decidi se desideri che l'algoritmo calcoli l'intercetta per il modello di regressione lineare. Noto anche come "costante", l'intercetta è il valore medio previsto di y dove x è uguale a 0. |
| intercept_scaling : 1.0 |
max_iter | max_iter specifica il numero massimo di iterazioni per consentire ai risolutori di convergere. I modelli con più iterazioni acquisiscono ulteriori informazioni sui dati. | Qualsiasi numero intero. | 100 |
multi_class | multi_class specifica se l'algoritmo deve gestire più di due classi. |
| auto |
Penalty | penalty , nota anche come "regolarizzazione", si riferisce alla pratica di modificare la funzione di perdita per penalizzare determinati valori che altrimenti il modello supererebbe. L1 (Lasso Regression) e L2 (Regressione della cresta) sono due metodi per specificare il termine di penalità. |
| L2 |
dual | dual trasforma un problema di ottimizzazione primordiale in un problema duplice. |
*è possibile utilizzare dual solo se si seleziona l'opzione L2 per penalty e liblinear per solver . | False |
random_state | random_state specifica il numero iniziale per la generazione di una sequenza pseudocasuale. Se si seleziona none , un generatore di numeri casuali seleziona un numero iniziale. |
| Seed :10 |
solver | solver è il metodo utilizzato dalla regressione logistica per ottimizzare la curva per adattarla al meglio determinando i pesi sigmoidei. |
| liblinear |
tol | tol imposta i criteri di arresto per quando l'algoritmo deve rilevare che i parametri sono abbastanza vicini per la convergenza (in altre parole, rimangono costanti). | Qualsiasi float positivo. | .0001 |
Sintonizzatore | Il sintonizzatore di regolarizzazione ( C ) consente di regolare la quantità di penalità (in altre parole, regolarizzazione) applicata, limitando efficacemente le caratteristiche che sono fortemente ponderate dal modello. Formatta questo parametro come float positivo. | Qualsiasi float positivo. | 1.0 |
Nome | Descrizione | Opzioni | Predefinito |
class_weight | class_weight assegna pesi alle diverse classi nel set di dati. |
| none |
Criterion | Utilizza il parametro criterion per selezionare un metodo per misurare il modo in cui l'algoritmo dell'albero delle decisioni suddivide i dati in nodi diversi. |
| gini |
max_depth | max_depth è il percorso più lungo da una radice a una foglia di un albero. Gli alberi più profondi hanno più divisioni e acquisiscono maggiori informazioni sui dati. |
| none |
max_features | max_features imposta il numero massimo di funzionalità considerate dall'albero delle decisioni quando si cerca una prima divisione migliore. |
| auto |
max_leaf_nodes | max_leaf_nodes è il limite verso l'alto sul numero totale di nodi foglia che l'algoritmo può generare. Aumenta i nodi fino al numero massimo in modo ottimale. L'algoritmo determina quali nodi sono i migliori in base alla loro capacità per la riduzione dell'impurità. Utilizza il parametro Criterion per specificare come si desidera misurare la riduzione dell'impurità. | Qualsiasi numero intero o none . | none |
min_impurity_decrease | min_impurity_decrease imposta la soglia minima di riduzione dell'impurità necessaria per la suddivisione dell'albero delle decisioni in un nuovo nodo. Quindi una divisione si verifica dove diminuisce l'impurità di una quantità uguale o maggiore di min_impurity_decrease. Utilizza il parametro Criterion per specificare come si desidera misurare la riduzione dell'impurità. | Qualsiasi float. | 0.0 |
min_samples_split | min_samples_split imposta la soglia minima di campioni necessari affinché l'albero delle decisioni si divida in un nuovo nodo. L'algoritmo può considerare solo un campione o un numero di tutti i campioni. | Qualsiasi numero intero o frazione. | int : 2 |
min_weight_fraction_leaf | min_weight_fraction_leaf è la soglia minima di peso richiesta dall'albero decisionale per la suddivisione in un nuovo nodo. Tale soglia è pari alla frazione minima dei pesi totali per tutti i campioni. L'algoritmo dell'albero delle decisioni presuppone pesi uguali per impostazione predefinita. | Qualsiasi float. | 0.0 |
presort | Utilizza questo parametro per preordinare i dati, che potrebbero aiutare l'algoritmo a trovare le divisioni migliori più velocemente. |
| Off |
random_state | random_state specifica il numero iniziale per la generazione di una sequenza pseudocasuale. Se si seleziona none , un generatore di numeri casuali seleziona un numero iniziale. |
| Seed : 10 |
splitter | splitter è la strategia utilizzata per la divisione in corrispondenza di un nodo. Include opzioni per la migliore prima divisione e la migliore divisione casuale. L'algoritmo determina quali nodi sono i migliori in base alla loro capacità per la riduzione dell'impurità. |
| best |
Nome | Descrizione | Opzioni | Predefinito |
Bootstrap | Il bootstrap, la base del bagging, è un metodo utilizzato per campionare il set di dati a scopo di training. Questo metodo prevede la creazione iterativa di sottocampioni del set di dati per simulare dati nuovi e non visibili, che è possibile usare per migliorare la generalizzabilità del modello. |
| true |
class_weight | class_weight assegna pesi alle diverse classi nel set di dati. Gli algoritmi a foresta casuale tendono a sopravvalutare le classi prevalenti, con conseguente squilibrio. class_weight aiuta a bilanciare le classi nel set di dati assegnando un peso aggiuntivo alle classi di minoranza. Le classi di bilanciamento possono migliorare le prestazioni del modello. Per impostazione predefinita, tutte le classi hanno un peso di 1. |
| none |
Criterion | Utilizza il parametro criterion per selezionare un metodo per misurare il livello di suddivisione dei dati in nodi diversi. |
| gini |
max_depth | max_depth è il percorso più lungo da una radice a una foglia per ogni albero nella foresta. Gli alberi più profondi hanno più divisioni e acquisiscono maggiori informazioni sui dati. |
| Limited : 10 |
max_features | max_features imposta il numero massimo di funzionalità considerate da ogni albero delle decisioni nella foresta quando si cerca una prima divisione migliore. |
| auto |
min_impurity_decrease | min_impurity_decrease imposta la soglia minima di riduzione dell'impurità necessaria affinché un albero delle decisioni si divida in un nuovo nodo. Quindi una divisione si verifica dove diminuisce l'impurità di una quantità uguale o maggiore di min_impurity_decrease. Utilizza il parametro Criterion per specificare come si desidera misurare la riduzione dell'impurità. | Qualsiasi float. | 0.0 |
min_samples_split | min_samples_split imposta la soglia minima di campioni necessari affinché l'albero delle decisioni (in una foresta casuale) si divida in un nuovo nodo. L'algoritmo può considerare solo un campione o un numero di tutti i campioni. | Qualsiasi numero intero o frazione. | int : 2 |
min_weight_fraction_leaf | min_weight_fraction_leaf è la soglia minima di peso necessaria affinché un albero delle decisioni venga suddiviso in un nuovo nodo. Tale soglia è pari alla frazione minima dei pesi totali per tutti i campioni. L'algoritmo della foresta casuale assume pesi uguali per impostazione predefinita. | Qualsiasi float. | 0.0 |
n_estimators | n_estimators è il numero di alberi che si desidera creare come parte della foresta. | Qualsiasi numero intero. | 100 |
random_state | random_state specifica il numero iniziale per la generazione di una sequenza pseudocasuale. Se si seleziona none , un generatore di numeri casuali seleziona un numero iniziale. |
| Seed : 10 |
Nome | Descrizione | Opzioni | Predefinito |
colsample_bylevel | colsample_bylevel è la percentuale di dati per cui l'algoritmo crea in maniera casuale un sottocampione per ogni livello di profondità di una struttura ad albero. | Qualsiasi float da 0 a 1. | 1 |
colsample_bynode | colsample_bynode è la percentuale di dati per cui l'algoritmo crea in maniera casuale un sottocampione per ogni nodo di una struttura ad albero. | Qualsiasi float da 0 a 1. | 1 |
colsample_bytree | colsample_bytree è la percentuale di dati per cui l'algoritmo crea in maniera casuale un sottocampione per ogni struttura ad albero. | Qualsiasi float da 0 a 1. | 1 |
gamma | Gamma imposta la riduzione della perdita richiesta affinché un albero decisionale sia suddiviso in un nuovo nodo. Quindi una divisione si verifica dove ridurrebbe la perdita di un importo uguale o maggiore di gamma . | Qualsiasi numero intero positivo o 0. | 0 |
learning_rate | learning_rate è il tasso con cui l'algoritmo permette alle nuove informazioni di sostituire quelle vecchie. In genere si imposta learning_rate di apprendimento in incrementi logaritmici (ad esempio, 0,003, 0,03, 0,3). | Qualsiasi float da 0 a 1. | 0.05 |
max_depth | max_depth è il percorso più lungo da una radice a una foglia per ogni albero nella foresta. Gli alberi più profondi hanno più divisioni e acquisiscono maggiori informazioni sui dati. | Qualsiasi numero uguale o maggiore di 1. | 3 |
min_child_weight | min_child_weight imposta la soglia di peso Hessian necessaria per la divisione di un albero delle decisioni in un nuovo nodo. Quindi una divisione si verifica dove diminuirebbe il peso Hessian di un importo uguale o maggiore del min_child_weight. | Qualsiasi numero positivo o 0. | 1 |
n_estimators | n_estimators è il numero di alberi che si desidera creare come parte della foresta. | Qualsiasi numero uguale o maggiore di 1. | 100 |
random_state | random_state specifica il numero iniziale per la generazione di una sequenza pseudocasuale. | Qualsiasi numero intero. | 10 |
subsample | subsample è la percentuale di dati di cui l'algoritmo crea in modo casuale un sottocampione. | Qualsiasi numero compreso tra 0 e 1. | 1 |