Перейти к содержанию

Случайный лес

Расширение random_forest_classification команды-контейнера fit выполняет обучение алгоритма случайного леса для решения задачи классификации объектов.

Случайный лес — алгоритм, в основе которого лежит построение множества решающих деревьев и усреднение их ответов.

Прогнозное значение класса помещается в новое поле таблицы.

Синтаксис команды

fit <random_forest_classification | rf_classification | rf_c> 
    [maxDepth=<maxDepth>] 
    [iterationSubsample=<iterationSubsample>] 
    [minInfoGain=<minInfoGain>] 
    [minLeafSamples=<minLeafSamples>] 
    [numTrees=<numTrees>] 
    [maxBins=<maxBins>] 
    [subsetStrategy=<auto|all|onethird|sqrt|log2>] 
    [impurity=<gini|entropy>] 
<targetname> from <features> [into <modelname>]

Обязательные параметры:

  • targetname — имя поля, содержащее название класса, к которому относится данная строка датасета. Эту метку класса требуется спрогнозировать(поле должно быть целочисленного типа).
  • features — список полей, на основе которых требуется выполнить прогноз класса. Список задается через запятую, например: from field1, field2.

Опциональные параметры:

  • maxDepth — максимальная глубина деревьев. Значение по умолчанию - 3.
  • iterationSubsample — доля данных, которые будут использованы при каждой итерации. Значение по умолчанию - 1.
  • minInfoGain — минимальное количество полезной информации, получаемое при разбиении классов в ветке дерева Значение по умолчанию 0.0.
  • minLeafSamples — минимальное количество объектов в листе дерева. Значение по умолчанию - 1
  • numTrees — количество деревьев Значение по умолчанию - 100
  • maxBins — максимальное количество отрезков для дискретизации числовых признаков. Значение по умолчанию -32
  • subsetStrategy — стратегия, определяющая какая часть признаков будет использована на каждой итерации. Возможные значения:
    • auto — автоматический выбор числа признаков (значение по умолчанию)
    • all — все признаки
    • onethird — треть признаков
    • sqrt — квадратный корень из общего числа признаков
    • log2 — логарифм от общего числа признаков
  • impurity — критерий получения полезной информации при разбиении на ветки дерева. Возможные значения:
    • gini — Джини
    • entropy — энтропия (значение по умолчанию)
  • modelname — название модели, с которым она будет сохранена в кэше. Чтобы сохранить модель в постоянное хранилище моделей для дальнейшего использования, используйте команду save.

Пример использования

На демонстрационных данных с параметрами работы электрической сети спрогнозируем ее стабильность в зависимости от параметров работы сети(потребляемой и производимой мощности, коэффициента стабильности сети и длительности переходного процесса в сети, отражающего характер нагрузки).

Текст запроса

| fsget path=demo_electrical_grid
| sample 0.1
| eval stabf_1 = if (stabf="stable", 1, 0)
| fields tau1, tau2, tau3, tau4, p1, p2, p3, p4, stab, stabf_1
| fit rf_c maxDepth=2 learning_rate=0.05 iterationSubsample=0.5 minLeafSamples=2 numTrees=50 maxBins=16 subsetStrategy=sqrt lossType=absolute stabf_1 reg=ridge reg_param=0.1 from tau1, tau2, tau3, tau4, p1, p2, p3, p4, stab into rfc_model
| head 100

Описание запроса

  • Команда fsget загружает данные из хранилища признаков.
  • Команда sample 0.1 оставляет 10% от всех загруженных строк. Это сделано для ускорения обучения (всего в обучающей выборке 10 000 строк).
  • Команда eval вычисляет выражение и помещает полученное значение в поле результатов поиска; условная функция if присваивает новому полю значение 1, если значение поля stabf="stuble", в противном случае присваивается 0.
  • Команда fields оставляет только поля с длительностью переходного процесса (tau1, tau2, tau3, tau4), потребляемой и производимой мощностью(p1, p2, p3, p4), коэффициент стабильности (stab), по которым будет проводиться обучение.
  • Команда fit выполняет обучение модели случайного леса и временно сохраняет модель под названием rfc_model.
  • Команда head 100 выводит первые 100 строк таблицы после обучения.

Результат запроса

После выполнения запроса будет создана дополнительная колонка probabilities, в которой будет записан результат прогноза модели на обучающей выборке. В результате выполнения запроса могут быть созданы дополнительные служебные поля с информацией об обученной модели или другими показателями.

Random_forest

К началу