El modelo de regresión M5 se ajusta al modelo algorítmico de regresión lineal en cada hoja del árbol de regresión y que cada padre en el nodo también está asociado con un modelo de regresión, que también es posible realizar el suavizado considerando los modelos en los nodos sobre la hoja.
M5P implementa rutinas básicas para generar árboles y reglas del Modelo M5. Proporciona ciertas opciones como
- ¿Qué especialización de M.Tech (CS) en la Universidad de Hyderabad tiene las mejores ubicaciones, informática, inteligencia artificial o TI?
- ¿Cuándo veremos una pistola de hombro inteligente capaz de apuntar a un objetivo?
- ¿La programación secuencial de robots es un callejón sin salida?
- ¿Cómo se puede optimizar un sistema si la variable principal de la función objetivo se modela a través de un modelo de Machine Learning?
- ¿Puede una IA de computadora vencer al mejor jugador humano de Clash Royale?
- Si se debe generar un árbol / regla de regresión en lugar de un árbol / regla modelo. (buildRegressionTree)
- Si se establece en verdadero, el clasificador puede generar información adicional a la consola. (depurar)
- El número mínimo de instancias para permitir en un nodo hoja. (minNumInstances)
- Si se deben guardar datos de instancia en cada nodo del árbol para fines de visualización. (saveInstances)
- Si se deben generar árboles / reglas podadas por la ONU. (sin podar)
- Si se deben usar predicciones suavizadas por la ONU (useUnsmoothed)
M5P admite clases y atributos. Y la instancia mínima es “1”.
M5P reduce el conjunto de atributos predictores disponibles en ese nodo para incluir solo aquellos que se usan para tomar decisiones divididas en los nodos * debajo * del nodo N.
“Cubista” es un modelo de extensión al modelo de regresión M5P.
QA relacionado: ¿Cómo funciona un algoritmo M5P (árboles modelo M5) en la minería de datos?