Floresta de Decisão de Várias Classes
Importante
O suporte para o Estúdio de ML (clássico) terminará a 31 de agosto de 2024. Recomendamos a transição para o Azure Machine Learning até essa data.
A partir de 1 de dezembro de 2021, não poderá criar novos recursos do Estúdio de ML (clássico). Até 31 de agosto de 2024, pode continuar a utilizar os recursos existentes do Estúdio de ML (clássico).
- Consulte informações sobre projetos de machine learning em movimento de ML Studio (clássico) para Azure Machine Learning.
- Saiba mais sobre Azure Machine Learning.
A documentação do Estúdio de ML (clássico) está a ser descontinuada e poderá não ser atualizada no futuro.
Cria um modelo de classificação multiclasse usando o algoritmo da floresta de decisão
Categoria: Machine Learning / Modelo de Inicialização / Classificação
Nota
Aplica-se a: Machine Learning Studio (clássico) apenas
Módulos semelhantes de arrasto e queda estão disponíveis em Azure Machine Learning designer.
Visão geral do módulo
Este artigo descreve como usar o módulo Multiclass Decision Forest em Machine Learning Studio (clássico), para criar um modelo de aprendizagem automática baseado no algoritmo da floresta de decisão. Uma floresta de decisão é um modelo conjunto que constrói rapidamente uma série de árvores de decisão, enquanto aprende com dados marcados.
Mais sobre as florestas de decisão
O algoritmo da floresta de decisão é um método de aprendizagem conjunto para a classificação. O algoritmo funciona construindo várias árvores de decisão e, em seguida, votando na classe de saída mais popular. O voto é uma forma de agregação, na qual cada árvore numa decisão de classificação florestal produz um histograma de frequência não normalizado de rótulos. O processo de agregação resume estes histogramas e normaliza o resultado para obter as "probabilidades" de cada rótulo. As árvores que têm alta confiança de previsão têm um maior peso na decisão final do conjunto.
As árvores de decisão em geral são modelos não paramétricos, o que significa que suportam dados com distribuição variada. Em cada árvore, uma sequência de testes simples é executada para cada classe, aumentando os níveis de uma estrutura de árvore até que um nó de folha (decisão) seja alcançado.
As árvores de decisão têm muitas vantagens:
- Podem representar limites de decisão não lineares.
- São eficientes no cálculo e no uso da memória durante o treino e previsão.
- Realizam seleção e classificação integradas de recursos.
- São resistentes na presença de características ruidosas.
O classificador da floresta de decisão no Machine Learning Studio (clássico) consiste num conjunto de árvores de decisão. Geralmente, os modelos conjuntos proporcionam uma melhor cobertura e precisão do que as árvores de decisão únicas. Para mais informações, consulte as árvores de decisão.
Como configurar a Floresta de Decisão Multiclasse
Dica
Se não tiver a certeza dos melhores parâmetros, recomendamos que utilize o módulo Tune Model Hyperparameters para treinar e testar vários modelos e encontrar os parâmetros ideais.
Adicione o módulo Multiclass Decision Forest à sua experiência em Studio (clássico). Pode encontrar este módulo em Machine Learning, Modelo inicializ eClassificação.
Clique duas vezes no módulo para abrir o painel Propriedades .
Para o método de resampling, escolha o método utilizado para criar as árvores individuais. Pode escolher entre ensacar ou replicar.
Embalamento: O embalamento também é chamado de agregação de botas. Neste método, cada árvore é cultivada numa nova amostra, criada por amostragem aleatória do conjunto de dados original com substituição até ter um conjunto de dados do tamanho do original. As saídas dos modelos são combinadas por votação, que é uma forma de agregação. Para mais informações, consulte a entrada na Wikipédia para a agregação de Bootstrap.
Replicação: Na replicação, cada árvore é treinada exatamente nos mesmos dados de entrada. A determinação de qual predicado dividido é usado para cada nó de árvore permanece aleatório, criando diversas árvores.
Consulte a secção Como Configurar um Modelo Florestal de Decisão Multiclasse para obter orientação.
Especifique como pretende que o modelo seja treinado, definindo a opção modo de formação Criar .
Parâmetro único: Selecione esta opção se souber como pretende configurar o modelo e fornecer um conjunto de valores como argumentos.
Intervalo de parâmetros: Utilize esta opção se não tiver a certeza dos melhores parâmetros e pretender utilizar uma varredura de parâmetros.
Número de árvores de decisão: Escreva o número máximo de árvores de decisão que podem ser criadas no conjunto. Ao criar mais árvores de decisão, pode potencialmente obter uma melhor cobertura, mas o tempo de treino pode aumentar.
Este valor também controla o número de árvores apresentadas nos resultados, ao visualizar o modelo treinado. Para ver ou imprimir uma única árvore, pode definir o valor para 1; no entanto, isto significa que apenas uma árvore pode ser produzida (a árvore com o conjunto inicial de parâmetros), e não são realizadas mais iterações.
Profundidade máxima das árvores de decisão: Digite um número para limitar a profundidade máxima de qualquer árvore de decisão. Aumentar a profundidade da árvore pode aumentar a precisão, correndo o risco de alguma adaptação excessiva e maior tempo de treino.
Número de divisões aleatórias por nó: Digite o número de divisões a utilizar ao construir cada nó da árvore. Uma divisão significa que as características em cada nível da árvore (nó) são divididas aleatoriamente.
Número mínimo de amostras por nó folha: Indicar o número mínimo de caixas necessárias para criar qualquer nó terminal (folha) numa árvore. Ao aumentar este valor, aumenta-se o limiar para a criação de novas regras.
Por exemplo, com o valor predefinido de 1, mesmo um único caso pode fazer com que uma nova regra seja criada. Se aumentar o valor para 5, os dados da formação terão de conter pelo menos 5 casos que satisfaçam as mesmas condições.
Permitir valores desconhecidos para funcionalidades categóricas: Selecione esta opção para criar um grupo para valores desconhecidos nos conjuntos de treino ou validação. O modelo pode ser menos preciso para valores conhecidos, mas pode fornecer melhores previsões para novos valores (desconhecidos).
Se desmarcar esta opção, o modelo só pode aceitar os valores que estão presentes nos dados de formação.
Ligação um datset rotulado, e um dos módulos de treino:
Se definir Criar modo de treinador para único parâmetro, utilize o módulo Modelo de Comboio .
Se definir Criar a opção de modo de treinador para a gama de parâmetros, utilize o módulo de hiperparametros do modelo de melodia . Com esta opção, o treinador pode iterar sobre várias combinações das definições e determinar os valores de parâmetro que produzem o melhor modelo.
Nota
Se passar uma gama de parâmetros para o Modelo de Comboio, utiliza apenas o primeiro valor na lista de parâmetros.
Se passar um único conjunto de valores de parâmetros para o módulo Tune Model Hyperparameters , quando espera uma gama de definições para cada parâmetro, ignora os valores e utiliza os valores predefinidos para o aluno.
Se selecionar a opção De Alcance de Parâmetros e introduzir um único valor para qualquer parâmetro, esse valor único especificado é utilizado ao longo da varredura, mesmo que outros parâmetros se alterem através de uma gama de valores.
Execute a experimentação.
Resultados
Após o treino estar completo:
- Para ver a árvore que foi criada em cada iteração, clique com o botão direito módulo Modelo de Trem e selecione modelo treinado para visualizar. Se utilizar hiperparmetros Tune Model, clique em linha com o módulo e selecione o melhor modelo treinado para visualizar o melhor modelo. Para ver as regras de cada nó, clique em cada árvore para perfurar as divisões.
Exemplos
Por exemplo, como as florestas de decisão são utilizadas na aprendizagem automática, consulte a Galeria Azure AI:
- Compare a amostra de Classifiers Multiclass: Usa vários algoritmos e discute os seus prós e contras.
Notas técnicas
Esta secção contém detalhes de implementação, dicas e respostas a perguntas frequentes.
Detalhes de implementação
Cada árvore numa decisão de classificação a floresta produz um histograma de frequência não normalizado de rótulos. A agregação é resumir estes histogramas e normalizar para obter as "probabilidades" de cada rótulo. Desta forma, as árvores que têm alta confiança de previsão têm um maior peso na decisão final do conjunto.
Investigação relacionada
Para obter mais informações sobre o processo de treino com a opção Replicar , consulte:
Como Configurar um Modelo Florestal de Decisão Multiclasse
Pode alterar a forma como o módulo está configurado para acomodar cenários como poucos dados ou tempo limitado para treino.
Tempo de treino limitado
Se o conjunto de treino contiver um grande número de casos, mas o tempo disponível para treinar o modelo é limitado, tente utilizar estas opções:
- Crie uma floresta de decisão que utilize um número menor de árvores de decisão (por exemplo, 5-10).
- Utilize a opção Replicar para resampling.
- Especifique um número menor de divisões aleatórias por nó (por exemplo, menos de 100).
Conjunto de formação limitado
Se o conjunto de treino contiver um número limitado de casos, tente utilizar estas opções:
- Crie uma floresta de decisão que utilize um grande número de árvores de decisão (por exemplo, mais de 20).
- Utilize a opção de ensacandimento .
- Especifique um grande número de divisões aleatórias por nó (por exemplo, mais de 1.000).
Parâmetros do módulo
| Nome | Intervalo | Tipo | Predefinição | Description |
|---|---|---|---|---|
| Método de resampling | Qualquer | ResamplingMethod | Embalamento | Escolha um método de resampling: Ensacador ou replicar |
| Número de árvores de decisão | >=1 | Número inteiro | 8 | Especificar o número de decisão que as árvores devem criar no conjunto |
| Profundidade máxima das árvores de decisão | >=1 | Número inteiro | 32 | Especificar a profundidade máxima de qualquer árvore de decisão que possa ser criada |
| Número de divisões aleatórias por nó | >=1 | Número inteiro | 128 | Especificar o número de divisões geradas por nó, a partir do qual é selecionada a divisão ideal |
| Número mínimo de amostras por nó de folha | >=1 | Número inteiro | 1 | Especificar o número mínimo de amostras de treino necessárias para gerar um nó folha |
| Permitir valores desconhecidos para características categóricas | Qualquer | Booleano | Verdadeiro | Indicar se valores desconhecidos das características categóricas existentes podem ser mapeados para uma nova funcionalidade adicional |
Saídas
| Nome | Tipo | Description |
|---|---|---|
| Modelo destreinado | Interface ILearner | Um modelo de classificação multiclasse não treinado |
Ver também
Classificação
Floresta de Decisão de Duas Classes
Regressão da Floresta de Decisão
Lista de Módulos A-Z