インテル® DAAL 2018 デベロッパー・ガイド
決定木分類は、「訓練と予測」 > 「分類」 > 「使用モデル」で説明されている一般的なワークフローに従います。
入力と出力の説明は、「訓練と予測」 > 「分類」 > 「使用モデル」を参照してください。共通の入力に加えて、決定木では事後枝刈りに使用する次の入力を指定できます。
入力 ID |
入力 |
|
---|---|---|
dataForPruning |
枝刈りデータセットを含む m x p 数値テーブルのポインター。このテーブルは、NumericTable の派生クラスのオブジェクトです。 |
|
labelsForPruning |
クラスラベルを含む m x 1 数値テーブルのポインター。このテーブルは、(PackedSymmetricMatrix および PackedTriangularMatrix を除く) NumericTable の派生クラスのオブジェクトです。 |
訓練段階での決定木分類器のパラメーターは次のとおりです。
パラメーター |
デフォルト値 |
説明 |
|
---|---|---|---|
algorithmFPType |
float |
アルゴリズムが中間計算に使用する浮動小数点の型。float または double を指定できます。 |
|
method |
defaultDense |
決定木分類により使用される計算メソッド。現在サポートしている唯一の訓練メソッドは、defaultDense メソッドです。 |
|
splitCriterion |
infoGain |
分割ノードの最良のテストを選択する分割基準。決定木で利用可能な分割基準は次のとおりです。
|
|
pruning |
reducedErrorPruning |
事後枝刈りを実行するメソッド。利用可能なオプションは次のとおりです。
|
|
maxTreeDepth |
0 |
最大の木の深さ。0 は深さ無制限を意味します。任意の負でない数を指定します。 |
|
minObservationsInLeafNodes |
1 |
葉ノードの最小観測数。正の数を指定します。 |
入力と出力の説明は、「訓練と予測」 > 「分類」 > 「使用モデル」を参照してください。
予測段階での決定木分類器のパラメーターは次のとおりです。
パラメーター |
デフォルト値 |
説明 |
|
---|---|---|---|
algorithmFPType |
float |
アルゴリズムが中間計算に使用する浮動小数点の型。float または double を指定できます。 |
|
method |
defaultDense |
決定木分類により使用される計算メソッド。現在サポートしている唯一の訓練メソッドは、defaultDense メソッドです。 |
C++: dt_cls_dense_batch.cpp
Java*: DTClsDenseBatch.java
Python*: dt_cls_dense_batch.py