Propiedades que se pueden configurar para el algoritmo Clasificación de aumento R.
Los paquetes R que implementan el algoritmo son adabag y rpart.
En este componente, se selecciona el método del árbol de decisiones como el algoritmo de clasificación.
Cuando los nombres de columna contengan el símbolo de guion (-), utilice el componente de Tipo de datos para volver a definir el nombre de la columna.
| Propiedad | Descripción |
|---|---|
| Profundidad máxima | Introduzca el nivel de nodo máximo en el árbol final con el nodo de raíz contado como nivel 0. Este parámetro se puede fijar entre el 1 y el 20, ambos inclusive. |
| División mínima | Introduzca el número mínimo de observaciones necesarios para dividir un nodo. El valor predeterminado es 0. El parámetro se puede fijar entre el 0 y el 500, ambos inclusive. |
| Parámetro de complejidad | Introduzca el parámetro de complejidad que guarda el tipo de cálculo al evitar las divisiones que no mejoran el ajuste. El valor para el parámetro tiene que ser entre [-1, 1), que es igual o mayor que -1 y menor que 1. |
| Número de repeticiones | Número de repeticiones para las que se ejecuta el aumento. Este parámetro se puede fijar entre el 5 y el 500, ambos inclusive. |
| Ponderaciones de muestra | Si es TRUE, una muestra de arranque del conjunto de formación se muestra al utilizar las ponderaciones para cada observación en esa repetición. Si es FALSE, cada observación se utiliza con sus ponderaciones. |
| Coeficiente de actualización de la ponderación | Las tres maneras de calcular el coeficiente de actualización de la ponderación, que es α en el algoritmo AdaBoost.M1, son las siguientes: A) ‘Breiman’: α=1/[2 ln((1-err)/err)], y B) ‘Freund’: α=ln((1-err)/err), y C) ‘Zhu’: α=ln((1-err)/err)+ln(N_classes-1). |
| Características | Seleccione las columnas de entrada con las que desea realizar el análisis. |
| Columnas destino | Seleccione la columna de destino en la que desea realizar el análisis. |