Decision Tree (Weight-Based)

詳細

デシジョンツリー（重みベース）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、属性の重み付けスキーム、つまりExampleSetを予期して属性の重みを生成する演算子が必要です。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（重みベース）演算子は、1つの例外を除いてデシジョンツリー演算子とまったく同じように機能します。情報ゲインまたはゲイン比の基準ではなく、任意の属性関連性テスト基準を使用します。さらに、この演算子は、数値属性を持つExampleSetには適用できません。デシジョンツリーの基本を理解するには、デシジョンツリーオペレータのドキュメントを調べることをお勧めします。

属性の重み付けにカイ二乗統計による重み演算子が指定されている場合、この演算子はCHAID演算子として機能します。 CHAIDは、CHi-squared Automatic Interaction Detectionの略です。カイ2乗統計は、観測された頻度の分布が理論上の予想頻度と異なるかどうかを判断するために使用されるノンパラメトリック統計手法です。カイ2乗統計は名義データを使用するため、このテストでは平均と分散を使用する代わりに、頻度を使用します。 CHAIDの利点は、その出力が非常に視覚的で解釈しやすいことです。既定では多方向分割を使用するため、効果的に機能するにはかなり大きなサンプルサイズが必要です。サンプルサイズが小さいと、回答者グループがすぐに小さくなり、信頼性の高い分析ができなくなるためです。

ツリーとしてのデータの表現は、意味があり解釈しやすいという他のアプローチと比較して利点があります。目標は、ExampleSetのいくつかの入力属性に基づいてラベルの値を予測する分類モデルを作成することです。ツリーの各内部ノードは、入力属性の1つに対応しています。内部ノードのエッジの数は、対応する入力属性の可能な値の数に等しくなります。各リーフノードは、ルートからリーフへのパスで表される入力属性の値が与えられると、ラベルの値を表します。この説明は、ディシジョンツリーオペレーターのプロセス例を調べることで簡単に理解できます。

プルーニングは、決定木の識別力に追加しないリーフノードを削除する手法です。これは、未特定のデータセットに対する予測力を強化するために、過剰に特定されたツリーまたは過剰に適合したツリーをより一般的な形式に変換するために行われます。事前プルーニングは、ツリー作成プロセスと並行して実行されるプルーニングの一種です。一方、ポストプルーニングは、ツリー作成プロセスが完了した後に行われます。