IDmRandomForest.ForestSize

Синтаксис

ForestSize: Integer;

Описание

Свойство ForestSize определяет число деревьев в случайном лесе.

Комментарии

Доступные значения в диапазоне: [1; ∞).

Значение по умолчанию: «100».

Примеры

Для выполнения примера в репозитории предполагается наличие:

Добавьте ссылки на системные сборки: Metabase, Ms, Report, Stat, Tab, Ui.

Sub UserRandFor;
Var
    mb: IMetabase;
    TableDS: IDmTableDataSource;
    ReportDS: IDmReportDataSource;
    Method: IDmMethod;
    Report: IPrxReport;
    Shs: IPrxSheets;
    Sheet: ITabSheet;
    RandFor: IDmRandomForest;
    Binning: IDmField;
    i: Integer;
    Attrs: Array Of Integer;
    Target: IUiCommandTarget;
    Reports: IDmReports;
    DmReport: IDmReport;
Begin
    mb := MetabaseClass.Active;
    // Создаем табличный источник данных
    TableDS := (New TableDataSource.Create) As IDmTableDataSource;
    // Указываем таблицу-источник
    TableDS.Table := mb.ItemByID("DM_TABLE").Bind;
    // Указываем, что данные расположены в столбцах таблицы
    TableDS.DataInColumns := True;
    // Создаем источник данных, являющийся регламентным отчётом
    ReportDS := (New ReportDataSource.Create) As IDmReportDataSource;
    // Получаем регламентный отчёт
    Report := mb.ItemByID("DM_REPORT_RES").Edit As IPrxReport;
    Shs := Report.Sheets;
    Shs.Clear;
    // Создаем страницу для выгрузки результатов
    Sheet := (Shs.Add("", PrxSheetType.Table) As IPrxTable).TabSheet;
    // Указываем страницу, на которую будут выгружены данные    
    ReportDS.TabSheet := Sheet;
    // Указываем диапазон данных
    ReportDS.Range := Sheet.Cell(0, 0);
    ReportDS.AddResultColumn("Категория");
    // Создаем метод расчёта
    Method := (New DataMiningMethod.Create) As IDmMethod;
    // Указываем тип метода
    Method.Kind := DmMethodKind.RandomForest;
    // Задаем входной источник данных
    Method.InputDataSource := TableDS;
    // Задаем приёмник данных
    Method.OutputDataSource := ReportDS;
    // Настраиваем параметры метода расчёта
    RandFor := Method.Details As IDmRandomForest;
    // Размер леса
    RandFor.ForestSize := 20;
    RandFor.LearningSamplePortion := 0.6;
    // Количество признаков
    RandFor.NumberOfPredictors := 2;
    //Размер деревьев
    RandFor.TreeSizeSpecification.MaximumNumberOfLevels := 10;
    RandFor.TreeSizeSpecification.MinimumNumberOfCases := 2;
    // Рассматриваем каждую категорию как отдельный признак
    RandFor.TreeSizeSpecification.ReduceCategories := True;
    // Указываем столбец для анализа
    RandFor.Target := TableDS.FieldCount - 1;
    Debug.WriteLine("Столбец для анализа ключевых факторов влияния:");
    Debug.WriteLine(" - " + TableDS.Field(RandFor.Target).Name);
    // Задаем факторы, влияющие на анализ
    Attrs := New Integer[TableDS.FieldCount - 2];
    Debug.WriteLine("Факторы, влияющие на анализ:");
    For i := 0 To Attrs.Length - 1 Do
        Attrs[i] := i + 1;
        Binning := TableDS.Field(i + 1);
        Debug.WriteLine(Binning.Index.ToString + ". " + Binning.Name);
        Debug.Indent;
        // Задаем параметры процедуры Binning
        If Binning.IsNumerical Then
            Binning.BinningType := BinningMethod.EqualDepth;
            Binning.CategoriesCount := 4;
            Binning.TreatNanAsCategory := False;
            Debug.WriteLine("количество непустых значений: " + Binning.NonEmptyCount.ToString);
        End If;
        Select Case Binning.FieldType
            Case DmFieldType.Date: Debug.WriteLine("тип данных: дата");
            Case DmFieldType.Integer: Debug.WriteLine("тип данных: целочисленные");
            Case DmFieldType.Numeric: Debug.WriteLine("тип данных: числовые");
            Case DmFieldType.String: Debug.WriteLine("тип данных: строковые");
        End Select;
        Debug.WriteLine("источник данных: " + Binning.DataSource.Caption);
        Select Case Binning.ExplanatoryType
            Case DmExplanatoryType.Continuous: Debug.WriteLine("тип фактора: количественный");
            Case DmExplanatoryType.Ordered: Debug.WriteLine("тип фактора: порядковый");
            Case DmExplanatoryType.Categorical: Debug.WriteLine("тип фактора: категориальный");
        End Select;
        Debug.Unindent;
    End For;
    RandFor.Attributes := Attrs;
    // Выполняем анализ и выгружаем результаты
    Reports := Method.Execute;
    DmReport := reports.FindByType(DmReportType.Forest);
    ReportDS := DmReport.Generate;
    Debug.WriteLine("Заголовок отчета: " + DmReport.Caption);
    Debug.WriteLine("Вид анализа: " + RandFor.DisplayName);
    ReportDS.TabSheet.View.Selection.SelectAll;
    ReportDS.TabSheet.View.Selection.Copy;
    Sheet.Table.Paste;
    Sheet.Columns(0, 1).AdjustWidth;
    Sheet.Rows(0, 1).AdjustHeight;
    Report.Sheets.Item(0).Name := ReportDS.Caption;
    (Report As IMetabaseObject).Save;
    // Открываем регламентный отчёт, содержащий результаты анализа
    Target := WinApplication.Instance.GetObjectTarget(Report As IMetabaseObject);
    Target.Execute("Object.Open", Null);
End Sub UserRandFor;

В результате выполнения процедуры для данных из таблицы DM_TABLE будет выполнен интеллектуальный анализа данных алгоритмом «Случайный лес» метода «Ансамбли деревьев решений» с применением процедуры Binning для числовых данных. Параметры анализа будут выведены в окно консоли. Результаты анализа будут выгружены в отчёт DM_REPORT_RES.

См. также:

IDmRandomForest