Clementine决策树C5.0算法供参习.docxVIP

C5.0算法的优缺点输出类型：指定分析输出的内容。指定希望最终生成的模型是决策树还是规则集。组符号：如果选择该选项，C5.0会尝试将所有与输出字段格式相似的字符值合并（采用ChiMerge分箱法检查当前分组变量个各个类别能否合并，如果可以应先合并后再分支）。如果没有选择该选项，C5.0会为用于拆分母节点的字符字段的每个值创建一个子节点。使用推进：提高其精确率。这种方法按序列建立多重模型。第一个模型以通常的方式建立。随后，建立第二个模型，聚焦于被第一个模型错误分类的记录。以此类推，最后应用整个模型集对样本进行分类，使用加权投票过程把分散的预测合并成综合预测。试验次数选项允许控制用于助推的模型数量。交互验证：如果选择了该选项，C5.0将使用一组基于训练数据自己建立的模型，来估计基于全部数据建立的模型的精确度。如果数据集过小，不能拆分成传统意义上的训练集和测试集，这将非常有用。或用于交叉验证的模型数目。模式：对于简单的训练，绝大多数C5.0参数是自动设置。高级训练模式选项允许对训练参数更多的直接控制。简单模式：偏好（支持）：选择“准确性”C5.0会生成尽可能精确的决策树，某些情况下，会导致过度拟合。选择“普遍性”以使用不易受该问题影响的算法设置。预期噪声（%）：指定训练集中的噪声或错误数据期望比率专家模式：修剪纯度：决定生成决策树或规则集被修剪的程度。提高纯度值将获得更小，更简洁的决策树。降低纯度值将获得更加精确的决策树。子分支最小记录数：子群大小可以用于限制决策树任一分支的拆分数。全局修剪：第一阶段：局部修剪；第二阶段：全局修剪。辨别属性：如果选择了该选项，C5.0会在建立模型前检测预测字段的有用性。被发现与分析无关的预测字段将不参与建模过程。这一选项对许多预测字段元的模型非常有用，并且有助于避免过度拟合。C5.0”成本”选项见“CHAID“成本”选项----误判成本值，调整误判C5.0的模型评价可通过Analysis节点实现。另外Analysis还可以实现不同模型之间的评估对比可通过Evaluation节点实现模型评估