Outil Classification
Utilisez l'outil Classification dans le cadre d'un pipeline de machine learning pour identifier la catégorie à laquelle appartient une cible. L'outil fournit plusieurs algorithmes que vous pouvez utiliser pour entraîner un modèle. L'outil vous permet également de régler un modèle en utilisant de nombreux paramètres.
Alteryx Intelligence Suite requis
Cet outil fait partie de Alteryx Intelligence Suite . Intelligence Suite nécessite une licence séparée et un programme d'installation complémentaire pour Designer. Après avoir installé Designer, installez Intelligence Suite et commencez votre essai gratuit .
Configuration de l'outil
Cette section contient des informations sur comment configurer l’outil Classification.
Sélection de l'algorithme
Sélectionnez l'algorithme que vous souhaitez utiliser. Vous pouvez choisir Régression logistique , Arbre de décision , Forêt aléatoire ou XGBoost .
Configuration des paramètres
Configurez les paramètres. Chaque algorithme a des paramètres différents des autres algorithmes. Chaque algorithme a également des paramètres généraux et avancés. Les paramètres généraux font partie intégrante de la création d'un modèle précis, même pour les débutants. Les paramètres avancés peuvent améliorer la précision, mais nécessitent une compréhension approfondie de ce que chaque paramètre fait.
Référencez-vous à la table de chaque algorithme pour voir ce que les paramètres font :
Nom | Description | Options | Par défaut |
class-weight | Le paramètre class_weight attribue des poids aux différentes classes du jeu de données. Certains algorithmes surestiment les classes prédominantes, ce qui entraîne des déséquilibres. Ce paramètre permet d'équilibrer les classes dans le jeu de données en attribuant un poids supplémentaire aux classes minoritaires. |
| none |
fit_intercept | Décidez si vous souhaitez que l’algorithme calcule l’interception de votre modèle de régression linéaire. Aussi connu sous le nom de « constante », l'interception est la valeur moyenne attendue de y où x égale 0. |
| intercept_scaling : 1,0 |
max_iter | Le paramètre max_iter spécifie le nombre maximal d'itérations pour permettre aux solvers de converger. Les modèles les plus itératifs capturent plus d'informations sur les données. | Tout nombre entier. | 100 |
multi_class | Le paramètre multi_class spécifie si l'algorithme doit traiter plus de deux classes. |
| auto |
penalty | Le paramètre penalty , aussi connue sous le nom de « régularisation », fait référence à la pratique consistant à modifier la fonction de perte pour pénaliser certaines valeurs que le modèle surévaluerait autrement. l1 (régression Lasso) et l2 (régression Ridge) sont deux méthodes pour spécifier la durée de la pénalité. |
| L2 |
dual | Le paramètre dual transforme un problème d’optimisation primaire en un double problème. |
Vous ne pouvez utiliser true que si vous sélectionnez l'option l2 pour penalty et liblinear pour solver . | false |
random_state | Le paramètre random_state spécifie le nombre de départ pour générer une séquence pseudo-aléatoire. Si vous sélectionnez none , un générateur de nombre aléatoire choisit un numéro de départ. |
| int : 10 |
solver | Le paramètre solver est la méthode utilisée par la régression logistique pour optimiser sa courbe afin de mieux s’ajuster aux données en déterminant les poids sigmoïdes. |
| liblinear |
tol | Le paramètre tol définit les critères d’arrêt pour le moment où l’algorithme doit détecter que les paramètres sont suffisamment proches de la convergence (en d’autres termes, restent constants). | Tout nombre flottant positif. | .0001 |
C | Le paramètre C ( Régularisation Tuner ) vous permet d'ajuster le niveau de pénalité (en d'autres termes, la régularisation) que vous appliquez, en limitant efficacement les caractéristiques qui sont fortement pondérées par le modèle. Définissez ce paramètre comme un nombre flottant positif. | Tout nombre flottant positif. | 1.0 |
Nom | Description | Options | Par défaut |
class-weight | Le paramètre class_weight attribue des poids aux différentes classes du jeu de données. |
| none |
criterion | Utilisez le paramètre criterion pour sélectionner une méthode pour mesurer la façon dont l’algorithme Arbre de décision divise les données en différents nœuds. |
| gini |
max_depth | Le paramètre max_depth est le chemin le plus long d'une racine à une feuille d'un arbre. Les plus profonds arbres ont plus de fractionnements et capturent plus d'informations sur les données. |
| none |
max_features | Le paramètre max_features définit le nombre maximal de caractéristiques que l'arbre de décision prend en compte lors de la recherche du meilleur premier fractionnement. |
| auto |
max_leaf_nodes | Le paramètre max_leaf_nodes est la limite supérieure du nombre total de nœuds de feuilles que votre algorithme peut générer. Il développe des nœuds jusqu’au nombre maximum de la manière best-first (le meilleur en premier). L’algorithme détermine quels nœuds sont les meilleurs en fonction de leur capacité de réduction des impuretés. Utilisez le paramètre criterion pour spécifier comment vous voulez mesurer la réduction de l’impureté. | Tout nombre entier (int) ou ( none ). | none |
min_impurity_decrease | Le paramètre min_impurity_decrease définit le seuil minimal de réduction des impuretés requis pour que l’arbre de décision se divise en un nouveau nœud. Ainsi, un fractionnement se produit où il diminuerait l’impureté par une quantité égale ou supérieure à min_impurity_decrease. Utilisez le paramètre criterion pour spécifier comment vous voulez mesurer la réduction de l’impureté. | Tout nombre flottant | 0.0 |
min_sample_split | Le paramètre min_samples_split définit le seuil minimal d’échantillons requis pour que l’arbre de décision se divise en un nouveau nœud. L’algorithme peut considérer un seul échantillon ou tous les échantillons. | Tout nombre entier (int) ou fraction (float). | int : 2 |
min_weight_fraction_leaf | Le paramètre min_weight_fraction_leaf est le seuil minimum de poids nécessaire pour que l'arbre de décision se fractionne en un nouveau nœud. Ce seuil est égal à la fraction minimale du poids total pour tous les échantillons. L'algorithme Arbre de décision suppose des poids égaux par défaut. | Tout nombre flottant | 0.0 |
random_state | Le paramètre random_state spécifie le nombre de départ pour générer une séquence pseudo-aléatoire. Si vous sélectionnez none , un générateur de nombre aléatoire choisit un numéro de départ. |
| int : 10 |
splitter | Le paramètre splitter est la stratégie utilisée pour fractionner un nœud. Il comprend des options pour le meilleur premier fractionnement et le meilleur fractionnement aléatoire. L’algorithme détermine quels nœuds sont les meilleurs en fonction de leur capacité de réduction des impuretés. |
| best |
Nom | Description | Options | Par défaut |
bootstrap | Le bootstrapping, la base de l’ensachage, est une méthode utilisée pour échantillonner le jeu de données à des fins d'entraînement. Cette méthode consiste à créer des sous-échantillons itératifs de votre jeu de données pour simuler de nouvelles données invisibles, que vous pouvez utiliser pour améliorer la généralisabilité de votre modèle. |
| true |
class-weight | Le paramètre class_weight attribue des poids aux différentes classes du jeu de données. Les algorithmes de forêt aléatoire ont tendance à surévaluer les classes dominantes, ce qui entraîne des déséquilibres. Le paramètre class Weight aide à équilibrer les classes du jeu de données en attribuant plus de poids aux classes minoritaires. L’équilibrage des classes peut améliorer les performances du modèle. Par défaut, toutes les classes ont un poids de 1. |
| none |
criterion | Utilisez le paramètre criterion pour sélectionner une méthode pour mesurer la façon dont l’algorithme de la forêt aléatoire divise les données en différents nœuds. |
| gini |
max_depth | Le paramètre max_depth est le chemin le plus long d’une racine à une feuille pour chaque arbre de la forêt. Les plus profonds arbres ont plus de fractionnements et capturent plus d'informations sur les données. |
| int : 10 |
max_features | Le paramètre max_features définit le nombre maximal de caractéristiques que chaque arbre de décision dans la forêt prend en compte lors de la recherche du meilleur premier fractionnement. |
| auto |
min_impurity_decrease | Le paramètre min_impurity_decrease définit le seuil minimal de réduction des impuretés requis pour que l’arbre de décision se divise en un nouveau nœud. Ainsi, un fractionnement se produit où il diminuerait l’impureté par une quantité égale ou supérieure à min_impurity_decrease. Utilisez le paramètre criterion pour spécifier comment vous voulez mesurer la réduction de l’impureté. | Tout nombre flottant | 0.0 |
min_sample_split | Le paramètre min_samples_split définit le seuil minimal d’échantillons requis pour que l’arbre de décision (dans une forêt aléatoire) se divise en un nouveau nœud. L’algorithme peut considérer un seul échantillon ou tous les échantillons. | Tout nombre entier (int) ou fraction (float). | int : 2 |
min_weight_fraction_leaf | Le paramètre min_weight_fraction_leaf est le seuil minimal de poids requis pour que l’arbre de décision se divise en un nouveau nœud. Ce seuil est égal à la fraction minimale du poids total pour tous les échantillons. L’algorithme de forêt aléatoire suppose des poids égaux par défaut. | Tout nombre flottant | 0.0 |
n_estimators | Le paramètre n_estimators est le nombre d’arbres que vous souhaitez créer dans la forêt. | Tout nombre entier. | 100 |
random_state | Le paramètre random_state spécifie le nombre de départ pour générer une séquence pseudo-aléatoire. Si vous sélectionnez none , un générateur de nombre aléatoire choisit un numéro de départ. |
| int : 10 |
Nom | Description | Options | Par défaut |
colsample_bylevel | Le paramètre colsample_bylevel correspond au pourcentage de données pour lesquelles l'algorithme crée un sous-échantillon de façon aléatoire pour chaque niveau de profondeur d'une arborescence. | Tout nombre flottant de 0 à 1. | 1 |
colsample_bynode | Le paramètre colsample_bynode correspond au pourcentage de données pour lesquelles l'algorithme crée un sous-échantillon de façon aléatoire pour chaque nœud d'une arborescence. | Tout nombre flottant de 0 à 1. | 1 |
colsample_bytree | Le paramètre colsample_bytree correspond au pourcentage de données pour lesquelles l'algorithme crée un sous-échantillon de façon aléatoire pour chaque arborescence. | Tout nombre flottant de 0 à 1. | 1 |
gamma | Le paramètre gamma définit la réduction de perte nécessaire pour qu'un arbre de décision se fractionne en un nouveau nœud. Un fractionnement se produit donc lorsque la perte est réduite d'un nombre égal ou supérieur à gamma . | Tout nombre entier positif ou 0. | 0 |
learning_rate | Le paramètre learning_rate est le taux auquel l'algorithme remplace les anciennes informations par de nouvelles. Habituellement, vous définissez le learning_rate par incréments logarithmiques (ex. : 0,003, 0,03, 0,3). | Tout nombre flottant de 0 à 1. | 0.05 |
max_depth | Le paramètre max_depth est le chemin le plus long d’une racine à une feuille pour chaque arbre de la forêt. Les plus profonds arbres ont plus de fractionnements et capturent plus d'informations sur les données. | Tout nombre égal ou supérieur à 1. | 3 |
min_child_weight | Le paramètre min_child_weight définit le seuil de pondération hessienne nécessaire pour qu'un arbre de décision se fractionne en un nouveau nœud. Un fractionnement se produit donc lorsque la pondération hessienne est réduite d'un montant égal ou supérieur à min_child_weight. | Tout nombre entier positif ou 0. | 1 |
n_estimators | Le paramètre n_estimators est le nombre d’arbres que vous souhaitez créer dans la forêt. | Tout nombre égal ou supérieur à 1. | 100 |
random_state | Le paramètre random_state spécifie le nombre de départ pour générer une séquence pseudo-aléatoire. | Tout nombre entier. | 10 |
subsample | Le paramètre subsample correspond au pourcentage de données dont l'algorithme crée un sous-échantillon de façon aléatoire. | Tout float de 0 à 1. | 1 |