Tree to Rules

概要

この演算子はメタ学習器です。ルールモデルを作成するために、内部ツリー学習器を使用します。

詳細

Tree to Rulesオペレーターは、指定された決定ツリーモデルからルールのセットを決定します。この演算子はネストされた演算子です。つまり、サブプロセスがあります。サブプロセスには、ツリー学習器、つまりExampleSetを予期してツリーモデルを生成する演算子が必要です。この演算子は、サブプロセスで提供されるツリー学習器を使用してルールモデルを構築します。この演算子を適用するには、サブプロセスの基本的な理解が必要です。サブプロセスの基本的な理解については、サブプロセス演算子のドキュメントをご覧ください。

デシジョンツリーは、アイテムに関する観測値をアイテムのターゲット値に関する結論にマップする予測モデルです。これらのツリー構造では、リーフはクラスラベルを表し、ブランチはそれらのクラスラベルにつながる機能の組み合わせを表します。意思決定分析では、意思決定ツリーを使用して、意思決定と意思決定を視覚的かつ明示的に表すことができます。

入力

トレーニングセット（IOObject）この入力ポートには、ExampleSetが必要です。これは、添付のプロセス例のRetrieveオペレーターの出力です。他の演算子の出力も入力として使用できます。

出力

（決定ルールモデル）ルールモデルはこの出力ポートから配信され、ラベル属性を予測するために、見えないデータセットに適用できるようになりました。
サンプルセット（IOObject）入力として指定されたExampleSetは、このポートを介して出力に変更せずに渡されます。これは通常、別の演算子で同じExampleSetを再利用するため、または結果ワークスペースでExampleSetを表示するために使用されます。

チュートリアルプロセス

デシジョンツリーからルールを生成する

「ソナー」データセットは、検索演算子を使用してロードされます。このExampleSetを見ることができるように、ブレークポイントがここに挿入されます。 Tree to Rules演算子は、このExampleSetに適用されます。決定木演算子は、ツリーからルールへの演算子のサブプロセスで適用されます。決定木を見ることができるように、決定木演算子の後にブレークポイントが挿入されます。 Tree to Rulesオペレーターは、このTreeからルールモデルを生成します。結果のルールモデルは、結果ワークスペースで確認できます。