The arboretum procedure



Yüklə 3.07 Mb.

səhifə12/148
tarix30.04.2018
ölçüsü3.07 Mb.
1   ...   8   9   10   11   12   13   14   15   ...   148
: documentation
documentation -> From cyber-crime to insider trading, digital investigators are increasingly being asked to
documentation -> EnCase Forensic Transform Your Investigations
documentation -> File Sharing Documentation Prepared by Alan Halter Created: 1/7/2016 Modified: 1/7/2016
documentation -> Gaia Data Release 1 Documentation release 0

SPLIT Statement

31

SPLIT Statement



SPLIT NODE=

id

<

VAR=

var


< <

missing> / var-values > >



;

The SPLIT statement is an interactive training statement that specifies how to split a

leaf node. Only id is required. The VAR= option specifies which input variable to

use in the splitting rule and is required if any other option is specified. The missing

option specifies which branch to assign missing values, and the var-values option

specifies which branch to assign nonmissing values. The missing option requires the

var-values

option, and together they determine the number of branches.



VAR=var

specifies which input variable to use in the splitting rule. If the VAR= option is

omitted and the leaf contains a candidate split, then the ARBORETUM procedure

will use the primary candidate rule to create branches. Otherwise, the procedure will

search for a splitting rule and create the branches if a rule is found.

missing

specifies which branch to assign an observation in which var is missing. The missing

option may be one of the following:

MISSBRANCH=

b

specifies branch b for missing values. If b is greater than the



number of branches implied by the var-values option, then the last

branch specified in the var-values option is used.

MISSDISTRIBUTE specifies that observations with missing values be distributed

over all branches. Using the CODE statement with a rule using

MISSDISTRIBUTE is an error.

MISSONLY


reserves the last branch exclusively for missing values. The branch

is added to the branches specified in the var-values option. If var-

values

is absent, a binary split is created, and observations with a



nonmissing value of the variable are assigned to the first branch.

If the var-values option is omitted, the missing option is ignored.

If the missing option is omitted, then the ARBORETUM procedure will

honor the MISSING= option in the INPUT statement for the variable.

If

MISSING=USEINSEARCH and the var-values option specifies the branches for



nonmissing values, then the branch that creates the smallest residual square error

among the observations with missing values in the within-node training sample is

assigned to missing values as if MISSING=SMALLRESIDUAL were specified.

var-values

specifies a list of values of the variable. The following Table

6

summarizes the form



of the list appropriate for the different levels of measurement.

Table 6.

List of Variable Values

Measurement Level

Form of List

Nominal

all values, using commas to separate branches



Ordinal

minimum branch values in increasing order

Interval

splitting values in increasing order




32

The ARBORETUM Procedure

For nominal and ordinal variables, specify formatted values in quotes. For a nominal

variable, specify a list of all values with a comma (‘,’) inserted to separate categories

assigned to different branches. Categories appearing before the first comma are as-

signed to the first branch.

For an ordinal variable, specify the smallest value for each branch except the first

branch. Only one value should appear for a binary split. Commas are prohibited.

For an interval variable, specify an increasing list of values for separating branches.

A single value specifies a binary split. An observation with a value less than the first

specified number is assigned to the first branch. An observation whose value equals

the first number is assigned to the second branch. A list of n numbers specifies n+1

branches.

The missing and var-values options determine the number of branches, overriding the

MAXBRANCHES= option in the TRAIN statement.

If the var-values option is not specified, a split is made on the candidate rule for

variable

stored in the leaf. If no candidate rule exists, the ARBORETUM procedure

will search for a split using variable and create the branches if a split is found.

SUBTREE Statement

SUBTREE BEST | LARGEST | NLEAVES=

nleaves


;

The SUBTREE statement selects a subtree from the sequence of subtrees. See the

“Tree Assessment and the Subtree Sequence”

section beginning on page 49 for more

information.

BEST

selects the smallest subtree with the best assessment value.



LARGEST

selects the largest subtree. The largest subtree is the tree with all the nodes.



NLEAVES= nleaves

selects the largest subtree with no more than nleaves leaves.



TARGET Statement

TARGET variable < / options > ;

The TARGET statement names the variable the model tries to predict. The

“INPUT

Statement”



section (page 25) describes the LEVEL and ORDER options more com-

pletely.


LEVEL= INTERVAL | ORDINAL | NOMINAL | BINARY

specifies the level of measurement of the target variable. The default is INTERVAL

for a numeric variable, NOMINAL for a character variable.

ORDER= ASCENDING

ORDER= ASCFORMATTED

ORDER= DESCENDING



TRAIN Statement

33

ORDER= DESFORMATTED



ORDER= DSORDER

specifies the ordering of the values of an ordinal target variable. The ORDER= option

is only available when LEVEL=ORDINAL is specified, and would have no impact

with a target variable with only two values. The option is the same as the ORDINAL=

option in the INPUT statement.

TRAIN Statement

TRAIN < / options > ;

The TRAIN statement grows the tree by searching for splitting rules in leaves, ap-

plying the rules to create branches, and repeating the process in the newly formed

leaves. Most options remain in effect for subsequent SEARCH, SPLIT, and TRAIN

statements. The exceptions are MAXNEWDEPTH= and NODES=.

ALPHA=p

specifies a threshold p-value for the significance level of a candidate split-

ting rules, applicable for splitting criteria that depend on p-values, namely,

CRITERION=PROBF and PROBCHISQ. The default value of p is 0.20.

For

splitting criteria not based on p-values, the ARBORETUM procedure uses the value



associated with the MINWORTH= option instead of p.

EXHAUSTIVE=n

specifies the maximum allowable splits in a complete enumeration of all possible

splits. The exhaustive method of searching for a split examines all possible splits. If

the number of possible splits is greater than n, then a heuristic search is done instead

of an exhaustive search. The exhaustive and heuristic search methods only apply to

multiway splits, and to binary splits on nominal targets with more than two values.

See the

“Split Search Algorithm”



section on page 47 for a more complete description.

The default value of n is 5,000.



INTERVALBINS=n

indirectly specifies the minimum allowable width between two successive candidate

split points on an interval input. The width equals (max(x) − min(x))/(n + 1),

where max(x) and min(x) are the maximum and minimum of the input variable

values in the within-node sample being searched. The width is computed separately

for each input and each node. The INTERVALBINS= option may indirectly modify

p

-value adjustments. The search algorithm ignores the INTERVALBINS= option



if the number of distinct input values in the node sample is less then the number

specified in the SEARCHBINS= option. The default value of n is 100.



LEAFSIZE=n

specifies the smallest number of training observations a new branch may have. The

default value equals the number of observations in the training data divided by 1,000,

or 5, if 5 is larger, or 5,000, if 5,000 is smaller.

The number n applies to the within-node training sample used during the split

search, described in the

“Within Node Training Sample”

section on page 46. The

LEAFSIZE= option does not use the values of the variable in the FREQ statement to

adjust the count of observations in the leaf.





Dostları ilə paylaş:
1   ...   8   9   10   11   12   13   14   15   ...   148


Verilənlər bazası müəlliflik hüququ ilə müdafiə olunur ©genderi.org 2017
rəhbərliyinə müraciət

    Ana səhifə