ランダムフォレスト - Platform For AI - Alibaba Cloud ドキュメントセンター

ランダムフォレストは、複数の決定木を含む分類器です。その出力は、個々のツリーからのクラスの最頻値です。

コンポーネントの設定

ランダムフォレストコンポーネントのパラメーターは、以下のいずれかの方法で設定できます。

方法1：GUI

ビジュアルモデリングのパイプラインページでコンポーネントのパラメーターを設定します。

タブ	パラメーター	説明
[フィールド設定]	特徴列	デフォルトでは、ラベル列と重み列を除くすべての列が使用されます。
	[除外列]	このパラメーターは [特徴列] と併用できません。
	[強制変換列]	解析ルールは以下の通りです： STRING、BOOLEAN、DATETIME 型の列は離散型として解析されます。 DOUBLE、BIGINT 型の列は連続型として解析されます。説明 BIGINT 列を CATEGORICAL として解析するには、forceCategorical パラメーターを使用します。
	[重み列]	各サンプル行の重み付けに使用される列。数値型のみがサポートされます。
	ラベル列	入力テーブルのラベル列。STRING 型と数値型がサポートされます。
[パラメーター設定]	[ツリー数]	有効値：1～1000。
	アルゴリズムディストリビューション	フォレスト内で異なるツリーアルゴリズムをどのように分散させるかを指定します。フォレストに N 個のツリーがあり、このパラメーターを algorithmTypes=[a,b] と設定した場合、アルゴリズムは次のように割り当てられます：範囲 [0,a) は ID3 アルゴリズムを使用します。範囲 [a,b) は CART アルゴリズムを使用します。範囲 [b,N] は C4.5 アルゴリズムを使用します。例えば、5つのツリーを持つフォレストで、パラメーターを [2,4] と設定した場合、ツリー 1 は ID3 アルゴリズムを使用し、ツリー 2 と 3 は CART アルゴリズムを使用し、ツリー 4 と 5 は C4.5 アルゴリズムを使用します。None を入力すると、アルゴリズムはフォレスト全体に均等に分散されます。
	[ツリーごとのランダム特徴数]	有効値：[1,N]。N は総特徴数です。
	[リーフノードあたりの最小サンプル数]	正の整数である必要があります。デフォルト値は 2 です。
	[リーフノードあたりの最小サンプル比率]	親ノードに対するリーフノード内のサンプルの最小比率。有効値：[0,1]。デフォルト値は 0 です。
	最大のツリーの深さ	有効値：[1,+∞)。デフォルト値は無制限です。
	[ツリーごとのランダム入力サンプル数]	有効値：(1000,1000000]。デフォルト値は 100000 です。

方法2：PAI コマンド

PAI コマンドを使用して、コンポーネントのパラメーターを設定します。SQL スクリプトコンポーネントを使用して PAI コマンドを実行できます。詳細については、「SQL スクリプト」をご参照ください。

 PAI -name randomforests
     -project algo_public
     -DinputTableName="pai_rf_test_input"
     -DmodelName="pai_rf_test_model"
     -DforceCategorical="f1"
     -DlabelColName="class"
     -DfeatureColNames="f0,f1"
     -DmaxRecordSize="100000"
     -DminNumPer="0"
     -DminNumObj="2"
     -DtreeNum="3";

パラメーター	必須	説明	デフォルト
inputTableName	はい	入力テーブル。	N/A
inputTablePartitions	いいえ	トレーニング用の入力テーブルパーティション。サポートされているフォーマット： Partition_name=value name1=value1/name2=value2：複数レベルのフォーマット説明複数のパーティションを指定するには、コンマ (,) で区切ります。	すべてのパーティション
labelColName	はい	入力テーブルのラベル列の名前。	N/A
modelName	はい	出力モデルの名前。	N/A
treeNum	はい	フォレスト内のツリー数。有効値：1～1000。	100
excludedColNames	いいえ	このパラメーターは featureColNames と併用できません。	空
weightColName	いいえ	入力テーブルの重み列の名前。	N/A
featureColNames	いいえ	トレーニングに使用される特徴列の名前。	labelColName と weightColName に指定された列を除くすべての列。
forceCategorical	いいえ	解析ルールは以下の通りです： STRING、BOOLEAN、DATETIME 型の列は離散型として解析されます。 DOUBLE、BIGINT 型の列は連続型として解析されます。説明 BIGINT 列を CATEGORICAL として解析するには、forceCategorical パラメーターを使用します。	INT は連続型として扱われます。
algorithmTypes	いいえ	フォレスト内で異なるツリーアルゴリズムをどのように分散させるかを指定します。フォレストに N 個のツリーがあり、algorithmTypes=[a,b] の場合：範囲 [0,a) は ID3 アルゴリズムを使用します。範囲 [a,b) は CART アルゴリズムを使用します。範囲 [b,N] は C4.5 アルゴリズムを使用します。例えば、5つのツリーを持つフォレストで、[2,4] と設定した場合、ツリー 1 は ID3 アルゴリズムを使用し、ツリー 2 と 3 は CART アルゴリズムを使用し、ツリー 4 と 5 は C4.5 アルゴリズムを使用します。None を入力すると、アルゴリズムはフォレスト全体に均等に分散されます。	アルゴリズムは均等に分散されます。
randomColNum	いいえ	決定木を構築する際に、各分岐で考慮するランダムな特徴の数。有効値：[1,N]。N は総特徴数です。	log₂N
minNumObj	いいえ	リーフノードに必要なサンプルの最小数。正の整数である必要があります。	2
minNumPer	いいえ	親ノードに対するリーフノード内のサンプルの最小比率。有効値：[0,1]。	0.0
maxTreeDeep	いいえ	単一ツリーの最大深度。有効値：[1,+∞)。	無制限
maxRecordSize	いいえ	単一ツリーの構築に使用されるランダムサンプルの数。有効値：(1000,1000000]。	100000

例

次の SQL ステートメントを使用してトレーニングデータを生成します：

create table pai_rf_test_input as
select * from
(
  select 1 as f0,2 as f1, "good" as class
  union all
  select 1 as f0,3 as f1, "good" as class
  union all
  select 1 as f0,4 as f1, "bad" as class
  union all
  select 0 as f0,3 as f1, "good" as class
  union all
  select 0 as f0,4 as f1, "bad" as class
)tmp;

次の PAI コマンドを使用して、ランダムフォレストコンポーネントのパラメーターを送信します：

PAI -name randomforests
     -project algo_public
     -DinputTableName="pai_rf_test_input"
     -DmodelName="pai_rf_test_model"
     -DforceCategorical="f1"
     -DlabelColName="class"
     -DfeatureColNames="f0,f1"
     -DmaxRecordSize="100000"
     -DminNumPer="0"
     -DminNumObj="2"
     -DtreeNum="3";

モデルを Predictive Model Markup Language (PMML) で表示します。

<?xml version="1.0" encoding="utf-8"?>
<PMML xmlns="http://www.dmg.org/PMML-4_2" xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" version="4.2" xsi:schemaLocation="http://www.dmg.org/PMML-4_2 http://www.dmg.org/v4-2/pmml-4-2.xsd">
  <Header copyright="Copyright (c) 2014, Alibaba Inc." description="">
    <Application name="ODPS/PMML" version="0.1.0"/>
    <Timestamp>Tue, 12 Jul 2016 07:04:48 GMT</Timestamp>
  </Header>
  <DataDictionary numberOfFields="2">
    <DataField name="f0" optype="continuous" dataType="integer"/>
    <DataField name="f1" optype="continuous" dataType="integer"/>
    <DataField name="class" optype="categorical" dataType="string">
      <Value value="bad"/>
      <Value value="good"/>
    </DataField>
  </DataDictionary>
  <MiningModel modelName="xlab_m_random_forests_1_75078_v0" functionName="classification" algorithmName="RandomForests"/>
    <MiningSchema>
      <MiningField name="f0" usageType="active"/>
      <MiningField name="f1" usageType="active"/>
      <MiningField name="class" usageType="target"/>
    </MiningSchema>
    <Segmentation multipleModelMethod="majorityVote">
      <Segment id="0">
        <True/>
        <TreeModel modelName="xlab_m_random_forests_1_75078_v0" functionName="classification" algorithmName="RandomForests">
          <MiningSchema>
            <MiningField name="f0" usageType="active"/>
            <MiningField name="f1" usageType="active"/>
            <MiningField name="class" usageType="target"/>
          </MiningSchema>
          <Node id="1">
            <True/>
            <ScoreDistribution value="bad" recordCount="2"/>
            <ScoreDistribution value="good" recordCount="3"/>
            <Node id="2" score="good">
              <SimplePredicate field="f1" operator="equal" value="2"/>
              <ScoreDistribution value="good" recordCount="1"/>
            </Node>
            <Node id="3" score="good">
              <SimplePredicate field="f1" operator="equal" value="3"/>
              <ScoreDistribution value="good" recordCount="2"/>
            </Node>
            <Node id="4" score="bad"
              <SimplePredicate field="f1" operator="equal" value="4"/>
              <ScoreDistribution value="bad" recordCount="2"/>
            </Node>
          </Node>
        </TreeModel>
      </Segment>
      <Segment id="1">
        <True/>
        <TreeModel modelName="xlab_m_random_forests_1_75078_v0" functionName="classification" algorithmName="RandomForests">
          <MiningSchema>
            <MiningField name="f0" usageType="active"/>
            <MiningField name="f1" usageType="active"/>
            <MiningField name="class" usageType="target"/>
          </MiningSchema>
          <Node id="1">
            <True/>
            <ScoreDistribution value="bad" recordCount="2"/>
            <ScoreDistribution value="good" recordCount="3"/>
            <Node id="2" score="good">
              <SimpleSetPredicate field="f1" booleanOperator="isIn">
                <Array n="2" type="integer"2 3</Array>
              </SimpleSetPredicate>
              <ScoreDistribution value="good" recordCount="3"/>
            </Node>
            <Node id="3" score="bad">
              <SimpleSetPredicate field="f1" booleanOperator="isNotIn">
                <Array n="2" type="integer"2 3</Array>
              </SimpleSetPredicate>
              <ScoreDistribution value="bad" recordCount="2"/>
            </Node>
          </Node>
        </TreeModel>
      </Segment>
      <Segment id="2">
        <True/>
        <TreeModel modelName="xlab_m_random_forests_1_75078_v0" functionName="classification" algorithmName="RandomForests">
          <MiningSchema>
            <MiningField name="f0" usageType="active"/>
            <MiningField name="f1" usageType="active"/>
            <MiningField name="class" usageType="target"/>
          </MiningSchema>
          <Node id="1">
            <True/>
            <ScoreDistribution value="bad" recordCount="2"/>
            <ScoreDistribution value="good" recordCount="3"/>
            <Node id="2" score="bad">
              <SimplePredicate field="f0" operator="lessOrEqual" value="0.5"/>
              <ScoreDistribution value="bad" recordCount="1"/>
              <ScoreDistribution value="good" recordCount="1"/>
            </Node>
            <Node id="3" score="good">
              <SimplePredicate field="f0" operator="greaterThan" value="0.5"/>
              <ScoreDistribution value="bad" recordCount="1"/>
              <ScoreDistribution value="good" recordCount="2"/>
            </Node>
          </Node>
        </TreeModel>
      </Segment>
    </Segmentation>
  </MiningModel>
</PMML>

モデルの視覚化された出力を表示します。