Elemzés típusa

Meghatározza az eszköz működési módját. Az eszköz futtatásával egy modellnek megtanítható, hogy csak teljesítményt értékeljen, vagy tanítással létrehozható egy modell vektoros elemek előrejelzésére. Az előrejelzéstípusok a következők:

• Modell tanítása modellteljesítmény értékelésére—Modell tanítása, majd a bemeneti adatokhoz illesztése. Ezzel az opcióval értékelheti modellje pontosságát, mielőtt előrejelzéseket generálna új adathalmazra. Az opció kimenete: az illesztett tanítási adatok vektoros szolgáltatása, modelldiagnosztika és opcionálisan a változók jelentőségének táblája.
• Modell tanítása és értékek előrejelzése— Előrejelzéset vagy osztályozásokat generál vektoros elemekre. Magyarázó változókat meg kell adni mind a tanítási vektoros elemekhez, mind az előrejelzendő vektoros elemekhez. Az opció kimenete: az előrejelzett értékek vektoros szolgáltatása, modelldiagnosztika és opcionálisan a változók jelentőségének táblája.

Modell tanítása modellteljesítmény értékelésére

Alkalmazza ezt az opciót, ha illeszteni akar egy modellt, majd meg akarja vizsgálni az illesztést.

Ezzel a modellel végezhető a tanítás bemeneti réteg alkalmazásával. Ezzel az opcióval értékelheti modellje pontosságát, mielőtt előrejelzéseket generálna új adathalmazra. Az opció kimenete: modelldiagnosztika az üzenetek ablakban és a modell alkalmazása a tanítási adatokra.

Modell tanítása és értékek előrejelzése

Alkalmazza ezt az opciót, ha illeszteni akar egy modellt, majd alkalmazni akarja a modellt az adathalmazra előrejelzések létrehozása érdekében.

A program ekkor előrejelzéset vagy osztályozásokat generál vektoros elemekre. Az opció kimenete: vektoros szolgáltatás, modelldiagnosztika és opcionálisan a változók jelentőségének táblája.

Tanítási réteg kiválasztása

Az a vektoros réteg, amely tartalmazza az előrejelzendő változót és az előrejelzés létrehozásához alkalmazandó mezőket.

Ahelyett, hogy egy réteget választ a térképéről, választhatja a legördülő lista alján lévő Eredményréteg kiválasztása lehetőséget is, ha a saját tartalomban szeretne big data-fájlmegosztó adathalmazt vagy vektoros réteget keresni.

Válasszon egy réteget, amelyre előre akar jelezni értékeket

Vektoros réteg, amely meghatározza azokat a helyeket, ahol az előrejelzések történni fognak. A vektoros rétegnek tartalmaznia kell azokat a mezőként megadott magyarázó változókat is, amelyek megfelelnek a tanítási vektoros elemekből alkalmazott mezőknek.

Ahelyett, hogy egy réteget választ a térképéről, választhatja a legördülő lista alján lévő Eredményréteg kiválasztása lehetőséget is, ha a saját tartalomban szeretne big data-fájlmegosztó adathalmazt vagy vektoros réteget keresni.

Válassza ki az előrejelzendő mezőt

Az a mező a tanítási vektoros elemekből, amely a modell tanítására használandó értékeket tartalmazza. Ez a mező ismert (tanítási) értékeket tartalmaz arra a változóra, amelyet az ismeretlen helyeken történő előrejelzésére fognak használni. Ha kategorikus értékekről (pl. juhar, fenyő, tölgy) van szó, jelölje ki a Kategorikus jelölőnégyzetet.

Válasszon ki egy vagy több magyarázó változót

Azoknak a magyarázó változóknak (mezők) megfelelő egy vagy több mező, amely magyarázó változók segítenek előrejelezni az előrejelzendő változó értékét vagy kategóriáját. Jelölje ki a Kategorikus jelölőnégyzetet olyan változók esetén, amelyek osztályokat vagy kategóriákat (pl. felszínborítás vagy jelenlét vagy távollét) reprezentálnak. A változót adja meg „igaz”-nak olyan változók esetén, amelyek osztályokat vagy kategóriákat (pl. felszínborítás vagy jelenlét vagy távollét) reprezentálnak, és „hamis”-nak a folyamatos változók esetén.

Fastruktúrák száma

A modellben létrehozandó fastruktúrák száma. Ha több fastruktúra van, annak eredményeképpen általában pontosabb lesz a modell-előrejelzés, de több időre lesz szükség az előrejelzéshez. Fastruktúrák alapértelmezett száma: 100.

Minimális levélméret

Egy levél (végső csomópont a fastruktúrán, további felosztás nem lehetséges) megtartásához szükséges megfigyelések minimális száma. Alapértelmezett minimum regresszió esetén: 5. Alapértelmezett minimum osztályozás esetén: 1. Nagyon nagy adatok esetén ezen számok növelése csökkenteni fogja az eszköz futásidejét.

Fastruktúra maximális mélysége

A fastruktúrán lefelé található felosztások maximális száma. Ha a maximális mélység nagy, azaz több felosztást hoznak létre, az növeli a modell túlillesztésének valószínűségét. Az alapértelmezett érték adatfüggő, és a létrehozott fastrukturák számától, ill. a tartalmazott változók számától függ.

Fastruktúránként elérhető adatok (%)

A döntéshozatali fastrukturákra alkalmazott tanítási rétegben található vektoros elemek százalékos arányát határozza meg. Alapértelmezett érték: az adatok 100%-a. Minden fastruktúrára véletlen mintavétel történik a megadott adatok kétharmadából.

Az erdőben található döntéshozatali fastrukturák létrehozása véletlen minta vagy részcsoport (az elérhető tanítási adatok kb. kétharmada) alkalmazásával történik. Ha a bemeneti adatok százalékos arányát a döntéshozatali fastrukturákra nézve csökkentik, akkor nagyon nagy adathalmazok esetén nő az eszköz gyorsasága.

Véletlen mintavételben részt vevő változók száma

A döntéshozatali fastrukturák létrehozásához alkalmazott magyarázó változók számát határozza meg.

Az erdőben található döntéshozatali fastrukturák létrehozása a megadott magyarázó változók véletlen részcsoportjának alkalmazásával történik. A döntéshozatali fastrukturák létrehozásához alkalmazott változók számának növelésével nőni fog a modell túlillesztésének valószínűsége, különösen akkor, ha van egy vagy néhány domináns változó. Az általános gyakorlat az, hogy numerikus előrejelzendő változó esetén a magyarázó változók teljes számának négyzetgyökét, kategorikus előrejelzendő változó esetén pedig a magyarázó változók teljes számának harmadát alkalmazzák.

Magyarázó változók párosítási módjának kiválasztása

Hogyan lesznek párosítva a tanítási réteg megfelelő változói az előrejelzési réteg változóival. A táblában csak a tanításhoz használt változók fognak szerepelni.

Érvényesítési futtatások száma

Meghatározza a tanítási réteg vektoros elemeinek azon százalékát (0% és 50% között), amely az érvényesítési teszt-adathalmazt képezi. A modell tanítása e nélkül a véletlen adat-részcsoport nélkül történik, és a program az ezekre a vektoros elemekre megfigyelt értékeket összehasonlítja az előrejelzett értékkel. Az alapértelmezett érték 10%.

Eredményréteg neve

A Saját tartalom alatt létrejövő és a térképhez hozzáadott réteg neve. Az alapértelmezett név az eszköz nevétől és a bemenő réteg nevétől függ. Ha a réteg már létezik, akkor az alkalmazás megkéri, hogy adjon meg egy másik nevet.

A kapott eredmények az elemzés típusától függenek. Ha a modellillesztés értékelését tanítja, akkor az eredmények tartalmazni fogják a tanítási adatok rétegét és a modellillesztést értékelő eredményinformációkat. Ha tanít és előrejelez, akkor az eredmények tartalmazni fogják a tanítási adatok rétegét, az előrejelzett eredmények rétegét és a modellillesztést értékelő eredményinformációkat.

Az Eredmény mentési helye legördülő mezőben megadhatja a Saját tartalom mappájának nevét, ahová az eszköz menti az eredményt.