机器学习基础绘图节点：修订间差异

来自决策链云智库
 
（未显示同一用户的3个中间版本）
第35行： 第35行：
* 处理的数据类型：结局变量为二分类，特征变量大多数为连续型的变量。
* 处理的数据类型：结局变量为二分类，特征变量大多数为连续型的变量。
===变量配置===
===变量配置===
* 选择特征变量：作为特征进行学习的变量（X），多选。
* 选择预测概率值：选择预测概率变量，一般带有“_pred”字样，可多选。
* 选择目标变量：作为结局的二分类变量（y），单选。
* 选择真值：选择测试值，可多选。


===参数配置===
===参数配置===
* 设置随机数：控制模型的随机性。
* 绘图方法选择：可多选ROC曲线，PR曲线，DCA曲线和矫正曲线。
* 基础估计器选择：构建增强整体的基本估计器。默认基本估计器用决策树分类估计器，初始化最大深度为1。
** 决策树，
** 支持向量机。
* 估计器数量：默认为100。
* Boosting算法选择：SAMME.R 算法通常比 SAMME 收敛得更快，从而通过更少的提升迭代实现更低的测试误差。
** SAMME：离散增强算法。
** SAMME.R：真实增强算法。
* 学习率：在每次迭代时应用于每个分类器的权重。较高的学习率会增加每个分类器的贡献。


===注意事项===
===注意事项===
* 不支持带空值运算，用[[多重插补]]或[[插补空值]]进行插补，
* 不支持带空值运算，在选择多个预测值和真值时必须一一对应，即如果预测值选择"A_pred","B_pred"，真值也必须按照"A","B"的顺序勾选，不可按照"B","A"的顺序选择。
* 节点不出图，
* 节点可选出图，
* 导入该节点的数据端口为训练数据集，导入前注意转换。
* 导入该节点的数据端口为绘图数据集，导入前注意接口颜色。


== 参考文献 ==
== 参考文献 ==

2024年1月23日 (二) 14:07的最新版本

Machine Learning Basic Plotting.png
节点状态
Windows / Windows 10 Win10及以上可用
在V1.0部署
机器学习基础绘图节点Machine Learning Basic Plotting.svg
节点开发者决策链算法研发部 (Dev.Team-DPS)
节点英文名Machine Learning Basic Plotting
功能主类别机器学习
英文缩写MLBPlot
功能亚类别模型评估
节点类型数据挖掘
开发语言R
节点简介

绘图模块包含ROC曲线, PR曲线, DCA曲线和校正曲线。

端口数量与逻辑控制(PC)
Input-入口2个
Output-出口2个
Loop-支持循环否
If/Switch-支持逻辑判断否
输入输出
可生成图片类型（推荐）
可生成数据表类型（推荐）
相关节点
上一节点交叉熵
下一节点SHAP
WikimediaUI-Globe.svg相关网站




概述

该节点为包含ROC曲线，PR曲线，DCA曲线和矫正曲线的机器学习绘图节点。

节点使用指南

  • 最适用的场景：决策树可用于解决分类问题，其中目标是将数据分为不同的类别或预测数据的类别。
  • 处理的数据类型：结局变量为二分类，特征变量大多数为连续型的变量。

变量配置

  • 选择预测概率值：选择预测概率变量，一般带有“_pred”字样，可多选。
  • 选择真值：选择测试值，可多选。

参数配置

  • 绘图方法选择：可多选ROC曲线，PR曲线，DCA曲线和矫正曲线。

注意事项

  • 不支持带空值运算，在选择多个预测值和真值时必须一一对应，即如果预测值选择"A_pred","B_pred"，真值也必须按照"A","B"的顺序勾选，不可按照"B","A"的顺序选择。
  • 节点可选出图，
  • 导入该节点的数据端口为绘图数据集，导入前注意接口颜色。

参考文献

查找其他类别的节点，请参考以下列表

取自“https://wiki.statsape.com/index.php?title=机器学习基础绘图节点&oldid=8430”
最近修改
此页面最后编辑于2024年1月23日 (星期二) 14:07。
版权
DecisionLinnc Wiki (决策链云智库) © 2024 by Statsape is licensed under Attribution-NonCommercial-ShareAlike 4.0 International. To view a copy of this license, visit [http://creativecommons.org/licenses/by-nc-sa/4.0/| CreativeCommons-Licenses-4.0].