參數名

參數描述

是否必填

輸入數據類型

數據源類型

特征變量

配置模型特征列

是

整數或浮點數

• CSV組件。

• IGateOffline組件。

• 平臺上其他數據處理組件。

• 按照平臺組件開發的自定義組件。

目標變量

配置模型目標列

是

• 分類：整數或浮點數或字符

• 回歸：整數或浮點數

• CSV組件。

• IGateOffline組件。

• 平臺上其他數據處理組件。

• 按照平臺組件開發的自定義組件。

參數名

參數描述

是否必填

參數默認值

參數范圍

建模類型

選擇使用分類模型還是回歸模型進行建模。

是

分類

• 分類

• 回歸

樹數量

要執行的提升階段數。梯度提升對于過度擬合具有相當強的魯棒性，因此大量提升通常會帶來更好的性能

否

100

[1, 10000]

最大深度

各個回歸估計量的最大深度。最大深度限制了樹中節點的數量

否

-1

[-1, 99999999]

最小分割樣本下限

拆分內部節點所需的最少樣本數

否

2

[0, 99999999]

節點最少樣本數

在葉節點處需要的最小樣本數，少于該數據不會分支

否

1

[1, 99999999]

節點最小權重系數

在所有葉節點處（所有輸入樣本）的權重總和中的最小加權分數

否

0.0

[0.0, 99999999]

測試集比例

測試模型的數據占總輸入數據的比例，用于計算模型的評價指標。

是

0.2

[0,1]

測試集生成方式

根據選定方式，選取部分數據作為測試集，剩余部分作為訓練集。

• 隨機：按比例隨機從輸入數據中截取n條數據作為測試集。

• 頭部：按比例將輸入數據前n條數據作為測試集。

• 尾部：按比例將輸入數據后n條數據作為測試集。

是

隨機

• 隨機

• 頭部

• 尾部

特征重要性展示特征數

模型特征重要性展示時，實際展示的特征個數。只展示最重要的n個特征，默認10。若設置的展示數小于實際特征數，則展示實際特征數。

是

10

[1,20]

參數名

參數描述

是否必填

參數默認值

參數范圍

特征分裂指標

衡量分割質量的功能。

否

基尼系數

• 基尼系數

• 信息熵

參數名

參數描述

是否必填

參數默認值

參數范圍

衡量分枝質量指標

衡量分枝質量的指標。

• 均方誤差：父節點和子節點之間的均方誤差的差額將被用來作為特征選擇的標準，這種方法通過使用葉子節點的均值來最小化L2損失。

• 平均絕對誤差：它使用葉節點的中值來最小化 L1 損失。

否

均方誤差

• 均方誤差

• 平均絕對誤差

參數名

參數描述

模型結果

可以查看建模成功后的模型評價結果或發布模型。