フォレストベースのブーストされた分類と回帰分析 (空間統計ツール)

サマリー

Leo Breiman および Adele Cutler が開発したランダム フォレスト アルゴリズム、または Tianqi Chen および Carlos Guestrin が開発した Extreme Gradient Boosting (XGBoost) アルゴリズムの 2 つの教師付き機械学習方法のいずれかを使用して、モデルの作成と予測の生成を行います。 予測は、カテゴリー変数 (分類) と連続変数 (回帰) の両方に対して実行できます。 説明変数は、追加変数として用いる近接値の算出に使用されるトレーニング フィーチャ、ラスター データセット、および距離フィーチャの属性テーブル内のフィールドの形を取ることができます。 トレーニング データに基づいてモデルのパフォーマンスを検証するだけでなく、フィーチャまたは予測ラスターに対して予測を行うこともできます。

フォレストベースおよびブースト分類と回帰分析の仕組みの詳細

図

使用法

• このツールでは、フォレストベースと勾配ブーストの 2 種類のモデルをサポートします。 どちらのモデル タイプも、予測に使用できるモデルを作成するために、何百にも上るツリー (決定木のアンサンブルと呼ばれる) が作成されます。

  • フォレストベース— バギング手法を応用してモデルを作成します。それぞれの決定木は並行して作成され、元の (トレーニング) データのランダムに生成された部分が使用されます。 ツリーごとに独自の予測が生成され、結果が決定されます。 フォレストベース モデルでは、不明なサンプルの結果を予測または分類するために、すべての決定木から得た決定を考慮します。 個々のツリーにはモデルの過剰適合の問題があることが考えられるため、この処理は非常に重要です。予測用にフォレスト内の複数のツリーを組み合わせると、単一のツリーに関連する過剰適合の問題に対処できます。 このモデルは必要なパラメーターが少なく、より直感的に使用できます。

  • 勾配ブースティング— ブースティング手法を応用してモデルを作成します。それぞれの決定木は、元の (トレーニング) データを使用して順次連続的に作成されます。 後続の各ツリーが前のツリーの誤差を修正するため、モデルで複数の弱学習器が組み合わされて強力な予測モデルになります。 勾配ブースティング モデルには、正規化と早期停止手法が導入されているため、過剰適合を避けることができます。 このモデルはハイパーパラメーターを柔軟に制御でき、より複雑です。

• このツールは、トレーニング、フィーチャに関する予測、ラスターに関する予測の 3 つの操作モードで使用されます。 予測タイプ パラメーターで トレーニングのみ オプションを使用すると、さまざまな説明変数およびツール設定を調査しながら、異なるモデルのパフォーマンスを評価できます。 適切なモデルが見つかったら、フィーチャに関する予測 または ラスターに関する予測 オプションを使用できます。

• このツールはデータドリブンであり、大規模なデータセットで最適に動作します。 最適な結果を得るためには、少なくとも数百のフィーチャに対してこのツールをトレーニングする必要があります。 このツールは、小規模なデータセットには適していません。

• 入力トレーニング フィーチャ パラメーター値として、ポイントまたはポリゴンを指定できます。 このツールをマルチパート データに使用することはできません。

• ArcGIS Spatial Analyst エクステンションのライセンスは、ラスターを説明変数として使用する場合または 出力予測サーフェス 値に関して予測を行う場合に必要となります。

• このツールは、次のようなオプションの出力を生成します。

  • 出力トレーニング済みフィーチャ— モデルで使用されているすべての 入力トレーニング フィーチャ 値とすべての説明変数を含むフィーチャクラス。 説明変数には、使用されている入力フィールド、算出された距離、抽出または算出されたラスター値が含まれます。 フィーチャクラスには、入力トレーニング フィーチャ 値のすべてのフィーチャの予測も含まれます。 これには、モデルのトレーニングと検証に使用されたフィーチャも含まれます。 予測対象変数がカテゴリー変数ではない場合、フィーチャクラスには、各予測に対する残差と標準化残差が含まれます。 予測対象変数がカテゴリー変数である場合、フィーチャクラスには、モデルが各予測を正しく分類したかどうかを指定する Correctly Classified フィールドが含まれます。 Residual フィールドと Standard Residual フィールド、または Correctly Classified フィールドを使用し、作成されたモデルのパフォーマンスを評価します。

  • 出力トレーニング済みモデル ファイル— トレーニング済みモデルの結果を含む、再利用可能なファイル。 このファイルを空間統計モデル ファイルを使用して予測ツールで使用すると、新しいフィーチャの予測を立てることができます。

  • 出力予測フィーチャ— フィーチャごとのモデルの予測値を含むフィーチャクラス。 このオプションは、予測タイプ パラメーター値が フィーチャに関する予測 である場合にのみ使用できます。

  • 出力予測サーフェス— 予測結果を含む出力ラスター。 この出力は、予測タイプ パラメーター値が ラスターに関する予測 である場合にのみ使用できます。

  • 出力変数重要度テーブル— 各説明変数 (フィールド、距離フィーチャ、ラスター) の重要度を説明するテーブル。

  • 出力パラメーター調整テーブル— それぞれの最適化試行のパラメーター設定と目的値を含むテーブル。 この出力は、パラメーターの最適化 パラメーターがオンの場合のみ使用できます。

  • 出力分類パフォーマンス テーブル (混同行列)— 検証データで、モデルのパフォーマンスを集計するテーブル。 行列の列はモデルが予測したカテゴリーを表し、行は実際のカテゴリーを表します。 検証データでのモデルのパフォーマンスを評価するには、テーブルを使用します。 この出力は、カテゴリーとして処理 パラメーターがオンの場合のみ使用できます。

• このツールでは、作成されたモデルのパフォーマンスを理解するのに役立つメッセージを作成します。 このメッセージにアクセスするには、ジオプロセシング ウィンドウでプログレス バーの上にカーソルを置くか、ポップアップ ボタンをクリックするか、メッセージ セクションを展開します。 ジオプロセシング履歴から、以前に実行したツールのメッセージにアクセスすることもできます。 このメッセージには次の情報が含まれています。

  • モデルの特性に関する情報

  • モデルの Out of Bag エラー

  • トレーニング診断

  • 検証診断

  • 説明変数診断

  • Variable Importance—出力変数重要度テーブル パラメーター値が指定されている場合、最高の重要度を持つ 20 個の変数がジオプロセシング メッセージで報告されます。 検証の実行回数 パラメーターの値が 1 より大きい場合、変数重要度値のセットが複数存在します。 実行ごとに変数重要度値セットがあるため、ジオプロセシング メッセージは、決定係数または正確度の中央値に最も近い決定係数または正確度を持つ実行に関連する変数重要度のセットを報告します。

• このツールは、コンテンツ ウィンドウに次のオプションのチャートを追加します。

  • 予測パフォーマンス— モデルのデータへの適合度を評価する積み上げバー チャート。 X 軸のカテゴリーは、入力トレーニング フィーチャ 値について、モデルが予測したものです。 これには、モデルのトレーニングと検証に使用されたフィーチャも含まれます。 色は、入力トレーニング フィーチャの真のカテゴリーを表します。 このチャートは、予測対象変数がカテゴリー変数で、変数をカテゴリーとして処理 チェックボックスがオンで、出力トレーニング済みフィーチャ パラメーターが指定されている場合にのみ生成されます。

  • 混同行列— マトリックス ヒート チャート。 X 軸は 入力トレーニング フィーチャ 値のフィーチャの予測されたカテゴリーを表し、Y 軸は実際のカテゴリーを表します。 対角線セルでは、モデルがカテゴリーを正しく予測した回数が視覚化されます。 対角線セルの数が多いほど、モデルのパフォーマンスが十分であることを示します。 このチャートは、予測対象変数がカテゴリー変数であり、変数をカテゴリーとして処理 パラメーターがオンの場合にのみ生成されます。

  • 変数の重要性のサマリー または 変数の重要性の分布— モデルに対する各説明変数の重要性を示すバー チャート。 検証の実行回数 値が 1 より大きい場合、チャートは各説明変数の重要度値の分布を示す箱ひげ図になります。 このチャートは、出力変数重要度テーブル パラメーター値を指定した場合に生成されます。

  • 検証パフォーマンス— 検証データでのモデルのパフォーマンスを評価する積み上げバー チャート。 検証データのフィーチャの実際のカテゴリーは、X 軸上にあります。 色は、検証データのフィーチャの予測されたカテゴリーを表します。 このチャートは、予測対象変数がカテゴリー変数で、変数をカテゴリーとして処理 チェックボックスがオンで、出力分類パフォーマンス テーブル (混同行列) パラメーター値が指定されている場合にのみ生成されます。

  • R2 検証 または 検証精度— R² または正確度の値を示すヒストグラム。 R² または正確度の値の分布は、モデル作成時に生じるランダム性に起因します。 このチャートでは、さまざまなモデル実行におけるモデル パフォーマンスの安定性を評価します。 このチャートは、出力検証テーブル パラメーター値が指定されており、検証の実行回数 値が 1 よりも大きい場合にのみ生成されます。

• 説明変数は、フィールドから生成するか、距離フィーチャから算出するか、ラスターから抽出することができます。 これらのタイプの説明変数を任意に組み合わせて使用できますが、少なくとも 1 つのタイプが必要です。 使用する説明変数 (発生元がフィールド、距離フィーチャ、またはラスター) には、さまざまな値を含める必要があります。 説明変数がカテゴリーの場合は、カテゴリー チェックボックスをオンにします。 文字列タイプの変数の場合、カテゴリー チェックボックスは自動的にオンになります。 カテゴリ説明変数は 60 の個別値に制限されていますが、カテゴリーの数を少なくすると、モデルのパフォーマンスが上がります。 データのサイズによっては、変数に含まれているカテゴリーの数が多いと、モデルに大きく影響し、これによって予測結果が意味を持たなくなる可能性が高くなります。

• 距離フィーチャを使用すると、指定されたフィーチャから 入力トレーニング フィーチャ 値までの距離を表す説明変数が自動的に作成されます。 入力トレーニング フィーチャ 値の各フィーチャから、最近隣の 説明トレーニング距離フィーチャ 値までの距離が算出されます。 入力された 説明トレーニング距離フィーチャ 値がポリゴンまたはラインの場合、距離の属性は、フィーチャのペアの最も近いセグメント間の距離として計算されます。 ただし、ポリゴンとラインの場合、距離は別々に計算されます。 詳細については、近接解析ツールによる距離の計算方法をご参照ください。

• 入力トレーニング フィーチャ 値がポイントの場合に、説明トレーニング ラスター パラメーターを使用すると、このツールはドリル ダウンして、それぞれのポイントのロケーションで説明変数を抽出します。 マルチバンド ラスターの場合は、最初のバンドだけが使用されます。

• コンテンツ ウィンドウでは、同じ名前のレイヤーを複数使用できますが、このツールでは同じ名前の説明距離レイヤーや説明ラスター レイヤーを使用することはできません。 この問題を避けるために、各レイヤーが一意の名前であることを確認するか、ドロップダウン リストで重複するレイヤー名を削除します。

• 入力トレーニング フィーチャ 値がポリゴンで、予測対象変数 パラメーター値がカテゴリーで、説明トレーニング ラスター 値のみを使用している場合は、トレーニング用にポリゴンをラスター解像度に変換 パラメーターを使用できます。 このパラメーターをオンにすると、ポリゴンは各ラスター セル (重心がそのポリゴン内にある) の重心でポイントに分割されます。 続いて各ポイントのロケーションのラスター値が抽出され、モデルのトレーニングに使用されます。 数値変数では共一次内挿法、カテゴリー変数では最近隣内挿法が使用されます。 変換されたポリゴンのデフォルトのセル サイズは、入力ラスターの最大セル サイズになります。 ただし、セル サイズ環境設定を使用して、これを変更できます。 このパラメーターをオフにすると、各ポリゴンの 1 つのラスター値がそのモデルで使用されます。 各ポリゴンには、連続ラスターの場合は平均値、カテゴリー ラスターの場合は最頻値が割り当てられています。

  

• 指定された説明変数ごとに使用されるデータには変量が存在しなければなりません。 指定されたいずれかのフィールドまたはラスターに変量が存在しないというエラーが通知された場合は、該当する変数をカテゴリーにして、このツールをもう一度実行します。 特定の変数で 95 パーセントのフィーチャの値が同じである場合、その変数は変量なしと見なされます。

• カテゴリー内の変量がバランス調整されていない場合、スパース カテゴリーの補正 パラメーターを使用できます。 たとえば、データセット内で数百回発生するカテゴリーと、発生回数が格段に少ないカテゴリーがある場合、このパラメーターをオンにすると、それぞれのカテゴリーが各ツリーで表され、バランス調整されたモデルが作成されます。 このパラメーターは、モデル タイプ パラメーター値が フォレストベース である場合のみサポートされます。

• 説明変数を照合する場合、Prediction フィールドと Training フィールドは必ず同じタイプでなければなりません (Training の double フィールドは Prediction の double フィールドと一致しなければならない)。

• フォレストベース モデルとブースティング モデルは外挿を行わず、モデルがトレーニングされた値の分類または予測のみ行います。 元のトレーニング データセットの範囲をはるかに上回る/下回る説明変数に基づいて値を予測すると、このモデルでは、元のデータセットの最大値または最小値に近い値が推定されます。 モデルのトレーニングに使用される説明変数の範囲から外れている説明変数で予測しようとすると、このツールのパフォーマンスが低下する場合があります。

• トレーニング フィーチャに含まれていない予測説明変数にカテゴリーが存在する場合は、このツールの実行に失敗します。 同様に、トレーニング フィーチャに含まれていない検証データにカテゴリーが存在する場合、このツールの実行は失敗します。

• モザイク データセットを説明変数として使用するには、まず モザイク レイヤーの作成 ツールを実行してレイヤーへの絶対パスをツールにコピーするか、モザイク レイヤーの作成 ツールと ラスター レイヤーの作成 ツールを使用してモザイク データセットの処理テンプレートを調整します。

• ツリーの数 パラメーターのデフォルト値は 100 です。 フォレストベース モデルの場合、モデル内のツリーの数を増やすと、モデル予測の精度は上がりますが、そのモデルでの計算時間が長くなります。

• モデル タイプ パラメーター値が フォレストベース で、不確実性の計算 パラメーターがオンである場合、ツールは 予測対象変数 値の各予測値の周りの 90 パーセントの予測間隔を計算します。 予測タイプ パラメーター値が トレーニングのみ または フィーチャに関する予測 の場合、2 つのフィールドが 出力トレーニング済みフィーチャ 値または 出力予測済みフィーチャ 値に追加されます。 これらのフィールドは、末尾が _P05 と _P95 になり、予測間隔の上限と下限を表します。 新しい観測の場合、同じ説明変数を指定すると、新しい観測が間隔内に含まれることを 90 パーセントの信頼度で予測できます。 予測タイプ パラメーター値が ラスターに関する予測 である場合、予測間隔の上限と下限を表す 2 つの追加ラスターが コンテンツ ウィンドウに追加されます。

• パフォーマンス上の理由から、予測タイプ パラメーターの値が ラスターに関する予測 である場合は、説明トレーニング距離フィーチャ パラメーターを使用できません。 フィーチャへの距離を説明変数として含めるには、距離累積ツールを使用して距離ラスターを計算し、説明トレーニング ラスター パラメーターに距離ラスターを入力します。

• このツールは予測の並列処理をサポートしており、デフォルトで利用可能なプロセッサーの 50 パーセントを使用します。 プロセッサーの数を増減するには、並列処理ファクター環境を使用します。

• このツールの仕組みの詳細と出力されるメッセージおよびチャートの意味については、フォレストベースの分類と回帰の仕組みをご参照ください。

  参考文献:

  • Breiman, Leo. Out-Of-Bag Estimation. 1996

  • Breiman, L. (1996). Bagging predictors. Machine learning, 24(2), 123-140.

  • Breiman, Leo. "Random Forests". Machine Learning. 45 (1): 5-32. doi:10.1023/A:1010933404324. 2001.

  • Breiman, L., J.H. Friedman, R.A. Olshen, C.J. Stone. Classification and regression trees. New York: Routledge. Chapter 4. 2017.

  • Chen, T., and Guestrin, C. (2016). "XGBoost: A Scalable Tree Boosting System." In Proceedings of the 22^nd ACM SIGKDD Conference on Knowledge Discovery and Data Mining. 785-794.**

  • Dietterich, T. G. (2000, June). Ensemble methods in machine learning. In International workshop on multiple classifier systems (pp. 1-15). Springer, Berlin, Heidelberg.

  • Gini, C. (1912). Variabilità e mutabilità. Reprinted in Memorie di metodologica statistica (Ed. Pizetti E, Salvemini, T). Rome: Libreria Eredi Virgilio Veschi.

  • Grömping, U. (2009). Variable importance assessment in regression: linear regression versus random forest. The American Statistician, 63(4), 308-319.

  • Ho, T. K. (1995, August). Random decision forests. In Document analysis and recognition, 1995., proceedings of the third international conference on Document Analysis and Recognition. (Vol. 1, pp. 278-282). IEEE.

  • James, G., Witten, D., Hastie, T., & Tibshirani, R. (2013).* An introduction to statistical learning* (Vol. 112). New York: springer.

  • LeBlanc, M., & Tibshirani, R. (1996). Combining estimates in regression and classification. Journal of the American Statistical Association, 91(436), 1641-1650.

  • Loh, W. Y., & Shih, Y. S. (1997). Split selection methods for classification trees. Statistica sinica, 815-840.

  • Meinshausen, Nicolai. "Quantile regression forests." Journal of Machine Learning Research 7. Jun (2006): 983-999.

  • Nadeau, C., & Bengio, Y. (2000). Inference for the generalization error. In Advances in neural information processing systems (pp. 307-313).

  • Strobl, C., Boulesteix, A. L., Kneib, T., Augustin, T., & Zeileis, A. (2008). Conditional variable importance for random forests. BMC bioinformatics, 9(1), 307.

  • Zhou, Z. H. (2012). Ensemble methods: foundations and algorithms. CRC press.

パラメーター

• Dialog
• Python

ラベル	説明	データ タイプ
予測タイプ	使用される操作モードを指定します。 このツールでは、パフォーマンスの評価、フィーチャの予測、または予測サーフェスの作成の目的にのみモデルのトレーニングを実行できます。 トレーニングのみ—モデルのトレーニングは行われますが、予測は生成されません。 このオプションを使用すると、予測を生成する前に、モデルの精度を評価できます。 このオプションを使用すると、モデル診断がメッセージ ウィンドウに出力され、変数重要度のチャートが表示されます。 これがデフォルトです。 フィーチャに関する予測—フィーチャに関する予測または分類が生成されます。 トレーニング フィーチャと予測対象フィーチャの両方に説明変数を指定する必要があります。 このオプションの出力内容は、フィーチャクラス、メッセージ ウィンドウでのモデル診断、変数重要度の任意のテーブルおよびチャートです。 ラスターに関する予測—説明ラスターが交差するエリアに関して予測ラスターが生成されます。 トレーニング エリアと予測対象エリアの両方の説明ラスターを指定する必要があります。 このオプションの出力内容は、予測サーフェス、メッセージ ウィンドウでのモデル診断、変数重要度の任意のテーブルおよびチャートです。	String
入力トレーニング フィーチャ	予測対象変数 パラメーター値と (オプションで) フィールドから生成された説明トレーニング変数を含むフィーチャクラス。	Feature Layer
予測対象変数	モデルのトレーニングに使用される値を含む 入力トレーニング フィーチャ パラメーター値から生成された変数。 このフィールドには、不明な位置での予測に使用される変数の既知 (トレーニング) の値が含まれます。	Field
変数をカテゴリーとして処理 (オプション)	予測対象変数値をカテゴリー変数にするかどうかを指定します。 オン—予測対象変数 値がカテゴリー変数になり、分類が実行されます。 オフ—予測対象変数 値が連続変数になり、回帰が実行されます。 これがデフォルトです。	Boolean
説明トレーニング変数 (オプション)	予測対象変数 の値またはカテゴリーの予測に役立つ説明変数を表すフィールドのリスト。 クラスまたはカテゴリーを表す変数 (土地被覆や有無など) の場合に カテゴリー チェックボックスをオンにします。 値テーブル列: Variable—A list of fields representing the explanatory variables that help predict the value of the Variable to Predict parameter. Categorical—Specifies if the variable is categorical. Categorical—The explanatory raster is a categorical variable. Numeric—The explanatory raster is a continuous variable.	Value Table
説明トレーニング距離フィーチャ (オプション)	説明トレーニング距離フィーチャを含むフィーチャ レイヤー。 指定されたフィーチャから 入力トレーニング フィーチャ 値までの距離が算出され、説明変数が自動的に作成されます。 入力トレーニング フィーチャ 値の各フィーチャから最近隣の 説明トレーニング距離フィーチャ 値までの距離が算出されます。 入力された 説明トレーニング距離フィーチャ 値がポリゴンまたはラインの場合、距離の属性は、フィーチャのペアの最も近いセグメント間の距離として計算されます。	Feature Layer
説明トレーニング ラスター (オプション)	ラスターから抽出された説明トレーニング変数。 ラスター セル値が抽出され、説明トレーニング変数が自動的に作成されます。 入力トレーニング フィーチャ パラメーターのフィーチャごとに、該当するロケーションでラスター セルの値が抽出されます。 連続ラスターからラスター値を抽出する場合には、共一次内挿法によるラスターのリサンプリングが使用されます。 カテゴリー ラスターからラスター値を抽出する場合には、最近隣内挿法による近接割り当てが使用されます。 クラスまたはカテゴリーを表すラスター (土地被覆や有無など) の場合に カテゴリー チェックボックスをオンにします。 値テーブル列: Variable—Rasters representing the explanatory variables that help predict the value of the Variable to Predict parameter. Categorical—Specifies if the raster values are categorical. Categorical—The explanatory raster is a categorical variable. Numeric—The explanatory raster is a continuous variable.	Value Table
入力予測フィーチャ (オプション)	予測が行われるロケーションを表すフィーチャクラス。 このフィーチャクラスには、トレーニング データから使用されるフィールドに対応するフィールドとして指定された説明変数も含める必要があります。	Feature Layer
出力予測済みフィーチャ (オプション)	予測結果を含む出力フィーチャクラス。	Feature Class
出力予測サーフェス (オプション)	予測結果を含む出力ラスター。 デフォルトのセル サイズは、入力ラスターの最大セル サイズになります。 別のセル サイズを設定するには、セル サイズ環境設定を使用します。	Raster Dataset
説明変数の照合 (オプション)	右側の 入力トレーニング フィーチャ パラメーターに対して指定された 説明変数 値と左側の 入力予測フィーチャ パラメーターの対応するフィールドのリスト。 値テーブル列: Prediction—A list of variables that correspond to the training variables that will be made to make predictions. Training—The list of variables from the Input Training Features parameter that were used to train the model.	Value Table
距離フィーチャの照合 (オプション)	右側の 入力トレーニング フィーチャ パラメーターに対して指定された 説明距離フィーチャ 値と左側の 入力予測フィーチャ パラメーターの対応するフィーチャ セットのリスト。 入力予測フィーチャ パラメーターに最適な説明距離フィーチャ 値は、これらが異なる分析範囲または期間内にトレーニングに使用されている場合に指定できます。 値テーブル列: Prediction—A list of features that correspond to the training distance features that will be made to make predictions. Training—The list of the Distance Features values that were used to train the model.	Value Table
説明ラスターの照合 (オプション)	右側の 入力トレーニング フィーチャ パラメーターに対して指定された 説明ラスター 値と、左側の作成対象の 入力予測フィーチャ パラメーターまたは 予測サーフェス パラメーターの対応するラスターのリスト。 入力予測フィーチャ パラメーターに最適な 説明ラスター 値は、これらが異なる分析範囲または期間内にトレーニングに使用されている場合に指定できます。 値テーブル列: Prediction—A list of rasters that correspond to the training rasters that will be made to make predictions. Categorical—The explanatory raster is a categorical variable. Numeric—The explanatory raster is a continuous variable. Training—The list of the rasters that were used to train the model.	Value Table
出力トレーニング済みフィーチャ (オプション)	トレーニングに使用されている説明変数 (サンプリングされたラスター値と距離計算を含む)、および観測された 予測対象変数 フィールドとそれに伴う予測 (トレーニング済みのモデルのパフォーマンスを詳しく評価する際に使用)。	Feature Class
出力変数重要度テーブル (オプション)	モデルで使用されている説明変数ごとの重要度を示す情報を含むテーブル。 説明変数には、モデルの作成に使用されるフィールド、距離フィーチャ、ラスターが含まれます。 モデル タイプ パラメーター値が 勾配ブースティング の場合は、重要度はゲイン、加重、カバーによって計測され、テーブルにはこれらのフィールドが含まれます。 検証の実行回数 パラメーター値が 1 の場合、出力にはバー チャートが含まれます。値が 1 よりも大きい場合は、説明変数の重要度を表す箱ひげ図が含まれます。	Table
トレーニング用にポリゴンをラスター解像度に変換 (オプション)	入力フィーチャ 値が 予測対象変数 カテゴリー値のポリゴンであり、説明ラスター 値だけが指定されている場合のモデルのトレーニング時のポリゴンの処理方法を示します。 オン—ポリゴンは、重心がそのポリゴン内にあるすべてのラスター セルに分割されます。 それぞれの重心でラスター値が抽出され、モデルのトレーニングに使用されます。 モデルは、ポリゴンではなく、各セルの重心について抽出されたラスター値でトレーニングされるようになります。 これがデフォルトです。 オフ—ポリゴンごとに、基になる連続ラスターの平均値と基になるカテゴリー ラスターの最頻値が割り当てられます。	Boolean
ツリー数 (オプション)	フォレストベース モデルと勾配ブースティング モデルで作成されたツリーの数。 デフォルトは 100 です。 モデル タイプ パラメーター値が フォレストベース である場合、ツリーの数を多くするとモデル予測の精度が上がりますが、モデルの計算時間が長くなります。 モデル タイプ パラメーター値が 勾配ブースティング である場合、ツリーの数を多くするとモデル予測の精度が上がりますが、トレーニング データの過剰適合の原因になることがあります。 データの過剰適合を防ぐには、最大ツリー階層、L2 正規化 (ラムダ)、分割の最小損失減少 (ガンマ)、学習率 (イータ) パラメーターの値を指定します。	Long
最小リーフ サイズ (オプション)	リーフを維持するために最低限必要な観測数 (つまり、これ以上分割できないツリー上のターミナル ノード)。 デフォルトの最小数は、回帰の場合には 5、分類の場合には 1 になります。 大規模なデータの場合は、これらの数を増やすと、このツールの実行時間が短くなります。	Long
最大ツリー階層 (オプション)	ツリーの下に作成される分割の最大数。 最大ツリー階層の値を大きくすると、さらに多くの分割が作成されるため、モデルの過剰適合の可能性が高くなります。 モデル タイプ パラメーター値が フォレストベース である場合、デフォルト値はデータ ドリブンであり、作成されるツリー数と含まれる変数の数によって異なります。 モデル タイプ パラメーター値が 勾配ブースティング の場合、デフォルトは 6 です。	Long
ツリーあたりの利用可能なデータ (%) (オプション)	決定木ごとに使用される 入力トレーニング フィーチャ 値の割合。 デフォルトはデータの 100% です。 各ツリーのサンプルは、指定されたデータの 3 分の 2 の中からランダムに取得されます。 集合内の各決定木の作成には、ランダムなサンプルが使用されるか、利用可能なトレーニング データのサブセット (約 3 分の 2) が使用されます。 各決定木の入力データの割合を低くすると、大規模なデータセットの場合のこのツールの実行時間が短くなります。	Long
ランダムにサンプリングされた変数の数 (オプション)	各決定木の作成に使用される説明変数の数。 フォレストベース モデルと勾配ブースティング モデルの各決定木は、指定された説明変数のランダムなサブセットを使用して作成されます。 各決定木で使用される変数の数を増やすと、特に 1 つ以上のドミナント変数が存在する場合に、モデルの超過適合の可能性が高くなります。 デフォルトでは、予測対象変数 値がカテゴリーの場合は説明変数の総数 (フィールド、距離、ラスターの合計) の平方根を使用し、予測対象変数 値が数値の場合は、説明変数の総数 (フィールド、距離、ラスターの合計) を 3 で除算します。	Long
検証のために除外するトレーニング データ (%) (オプション)	検証のためにテスト データセットとして確保される 入力トレーニング フィーチャ 値の割合 (0 ～ 50 パーセント)。 ここで指定したデータのランダムなサブセットなしでモデルのトレーニングが行われ、これらのフィーチャのモデル予測値が観測値と比較されます。 デフォルトは 10 パーセントです。	Double
出力分類パフォーマンス テーブル (混同行列) (オプション)	検証データで作成されたモデルのパフォーマンスを集計する混同行列。 この行列では、検証データに対してモデルが予測したカテゴリーを、実際のカテゴリーと比較します。 このテーブルは、出力メッセージに含まれていない、他の診断を計算するために使用されます。 このパラメーターは、予測対象変数 値がカテゴリーで、カテゴリーとして処理 パラメーターがオンの場合に使用できます。	Table
出力検証テーブル (オプション)	予測対象変数 値がカテゴリーではない場合には各モデルの R2、値がカテゴリーの場合は各モデルの正確度が含まれるテーブル。 このテーブルには、正確度または R2 値の分布を示すバー チャートが含まれます。 この分布を使用して、モデルの安定性を評価できます。 このパラメーターは、検証の実行回数 値が 2 よりも大きい場合に使用できます。	Table
スパース カテゴリーの補正 (オプション)	頻度にかかわらず、トレーニング データセット内の各カテゴリーを各ツリーで表すかどうかを指定します。 このパラメーターは、モデル タイプ パラメーター値が フォレストベース である場合に使用できます。 オン—各ツリーは、トレーニング データセット内で表されるすべてのカテゴリーを含みます。 オフ—トレーニング データセット内のカテゴリーのランダムなサンプルに基づいて、各ツリーが作成されます。 これがデフォルトです。	Boolean
検証の実行回数 (オプション)	ツールの反復回数。 すべてのモデルの相関係数の二乗値 (連続) の分布または正確度 (カテゴリー) の分布は、出力検証テーブル パラメーターを使用して表示できます。 予測タイプ パラメーターの値が ラスターに関する予測 または フィーチャに関する予測 に設定されている場合は、相関係数の二乗値の中央値または正確度の中央値を生成したモデルが予測に使用されます。 中央値を使用すると、予測の安定性を確保できます。	Long
不確実性の計算 (オプション)	トレーニング、フィーチャの予測、またはラスターの予測の際に、予測の不確実性を計算するかどうかを指定します。 このパラメーターは、モデル タイプ パラメーター値が フォレストベース である場合に使用できます。 オン—予測の不確実性間隔が計算されます。 オフ—不確実性は計算されません。 これがデフォルトです。	Boolean
出力トレーニング済みモデル ファイル (オプション)	後から予測に使用できるトレーニング済みモデルが保存される出力モデル ファイル。	File
モデル タイプ (オプション)	モデルの作成に使用する方法を指定します。 フォレストベース—モデルは、ランダム フォレスト アルゴリズムを転用して作成されます。 このモデルでは、数百もの決定木から得た結果を使用します。 それぞれの決定木は、元のデータと元の変数のランダムに生成されたサブセットから作成されます。 勾配ブースティング—モデルは、Extreme Gradient Boosting (XGBoost) アルゴリズムを用いて作成されます。 このモデルでは、後続の各ツリーが前のツリーの誤差を修正する、何百にも上るツリーのシーケンスが作成されます。	String
L2 正規化 (ラムダ) (オプション)	モデルの感度を個々のフィーチャまで下げる正規化手法。 この値を大きくすると、モデルがより保守的になるため、トレーニング データの過剰適合を防止することができます。 値が 0 の場合は、モデルは従来の勾配ブースティング モデルになります。 デフォルトは 1 です。 このパラメーターは、モデル タイプ パラメーター値が 勾配ブースティング である場合に使用できます。	Double
分割の最小損失減少 (ガンマ) (オプション)	ツリーの分割に必要な最小損失削減の閾値。 潜在的な分割の損失削減を評価します。 分割候補の損失削減がこの閾値よりも大きい場合は、パーティション化が行われます。 高い閾値を設定すると過剰適合を防止でき、パーティション数が少ない、より保守的なモデルになります。 デフォルトは 0 です。 このパラメーターは、モデル タイプ パラメーター値が 勾配ブースティング である場合に使用できます。	Double
学習率 (イータ) (オプション)	最終的な予測への各ツリーの関与を少なくする値。 0 より大きく、1 以下の値を設定する必要があります。 学習率を小さくすると、モデルの過剰適合は防止できますが、計算時間が長くなる可能性があります。 デフォルトは 0.3 です。 このパラメーターは、モデル タイプ パラメーター値が 勾配ブースティング である場合に使用できます。	Double
分割を検索するビンの最大数 (オプション)	最適な分割ポイントを検索するために、トレーニング データを分割するビンの数。 この値は 1 に設定できません。 デフォルトは 0 で、グリーディ アルゴリズムが使用されます。 グリーディ アルゴリズムでは各データ ポイントに候補の分割が作成されます。 検索用のビン数が少なすぎると、モデル予測パフォーマンスが低下するため、おすすめできません。 このパラメーターは、モデル タイプ パラメーター値が 勾配ブースティング である場合に使用できます。	Long
パラメーターの最適化 (オプション)	最適化方法を使用して、最適なモデル パフォーマンスを実現するハイパーパラメーター セットを見つけるかどうかを指定します。 オン—最適化方法を使用して、ハイパーパラメーター セットを見つけます。 オフ—最適化方法は使用されません。 これがデフォルトです。	Boolean
最適化方法 (オプション)	最適なハイパーパラメーター セットを見つけるための検索ポイントを選択し、テストするために使用される最適化方法を指定します。 検索ポイントは、モデル パラメーター設定 パラメーターで指定された検索空間内の、ハイパーパラメーターの組み合わせです。 このオプションは、最適化パラメーター パラメーターがオンの場合に使用できます。 ランダム サーチ (クイック)—検索空間内で検索ポイントを選択するには、階層別ランダム サンプリング アルゴリズムが使用されます。 これがデフォルトです。 ランダム サーチ (ロバスト)—検索ポイントを選択するには、階層別ランダム サンプリング アルゴリズムが使用されます。 各検索は、異なるランダム シードを使用して 10 回実行されます。 各検索の結果は、ターゲットの最適化 (目的) パラメーター値によって決定された、中央値の最適な実行になります。 このオプションは、モデル タイプ パラメーター値が フォレストベース である場合に使用できます。 グリッド サーチ—検索空間内の各検索ポイントが選択されます。	String
ターゲットの最適化 (目的) (オプション)	最適なハイパーパラメーター セットを見つけるために、最小化または最大化される目的関数や値を指定します。 R2—最適化方法は R2 を最大化し、最適なハイパーパラメーター セットを見つけます。 このオプションは、予測対象変数がカテゴリーではない場合にのみ使用できます。 これは、予測対象変数がカテゴリーではない場合のデフォルトです。 二乗平均平方根誤差 (RMSE)—最適化方法は二乗平均平方根誤差を最小化し、最適なハイパーパラメーター セットを見つけます。 このオプションは、予測対象変数がカテゴリーではない場合にのみ使用できます。 正確度—最適化方法は正確度を最大化し、最適なモデルを見つけます。 このオプションは、予測対象変数がカテゴリーである場合にのみ使用できます。 これは、予測対象変数がカテゴリーである場合のデフォルトです。 マシューズ相関係数 (MCC)—最適化方法はマシューズ相関係数を最大化し、最適なハイパーパラメーター セットを見つけます。 このオプションは、予測対象変数がカテゴリーである場合にのみ使用できます。 F1 スコア—最適化方法は F1 スコアを最大化し、最適なハイパーパラメーター セットを見つけます。 このオプションは、予測対象変数がカテゴリーである場合にのみ使用できます。	String
パラメーター セットの実行回数 (オプション)	モデル パラメーター設定 パラメーターで指定される検索空間内でテストされる検索ポイントの数。 このパラメーターは、最適化方法 値が ランダム サーチ (クイック) または ランダム サーチ (ロバスト) である場合に使用できます。	Long
モデル パラメーター設定 (オプション)	ハイパーパラメーターとその検索空間のリスト。 各ハイパーパラメーターの検索空間をカスタマイズするには、下限、上限、間隔を指定します。 下限と上限は、ハイパーパラメーターで使用可能な値の範囲を指定します。 値テーブル列: Parameter—A hyperparameter of the model. Number of Trees—An integer value greater than 1. Maximum Tree Depth—An integer value greater than or equal to 0. Minimum Leaf Size—An integer value greater than 1. Data Available per Tree (%)—An integer value greater than 0 and less than or equal to 100. Learning Rate (Eta)—A double value greater than 0 and less than or equal to 1. L2 Regularization (Lambda)—A double value greater than or equal to 0. Minimum Loss Reduction for Splits (Gamma)—An integer value less than or equal to the number of explanatory variables. This includes the explanatory variables from fields, distance features, and rasters. Maximum Number of Bins for Searching Splits—An integer value greater than 1 or the value 0. A value of 0 means the model will create a candidate split at every data point. Number of Randomly Sampled Variables—An integer value less than or equal to the number of explanatory variables. This includes the explanatory variables from fields, distance features, and rasters. Lower Bound—The lower bound of the search space. Upper Bound—The upper bound of the search space. Interval—The interval of the search space.	Value Table
出力パラメーター調整テーブル (オプション)	パラメーター設定と、最適化試行の目的値を含むテーブル。 出力には、すべての試行とその目的値のチャートが含まれます。 このオプションは、パラメーターの最適化 がオンの場合に使用できます。	Table
すべての予測確率を含める (オプション)	予測対象のカテゴリー変数では、カテゴリー変数のすべてのカテゴリーの確率を予測するか、該当するレコードのカテゴリーの確率だけを予測するかを指定します。 たとえば、カテゴリー変数にカテゴリー A、B、C が存在し、最初のレコードにカテゴリー B が存在する場合は、このパラメーターを使用して、カテゴリー A、B、C の確率を予測するか、カテゴリー B の確率だけを予測するかを指定します。 オン—カテゴリー変数のすべてのカテゴリーの確率が予測され、トレーニング済みフィーチャ出力と予測済みフィーチャ出力に含まれます。 オフ—該当するレコードのカテゴリーの確率だけが予測され、トレーニング済みフィーチャ出力と予測済みフィーチャ出力に含まれます。 これがデフォルトです。	Boolean

派生した出力

ラベル	説明	データ タイプ
出力不確実性ラスター レイヤー	不確実性の計算 パラメーターがオンの場合、ツールは 予測対象変数 パラメーターの予測値の周辺で 90 パーセントの予測間隔を計算します。	Raster Layer

環境

セル サイズ, 出力座標系, 乱数ジェネレーター, マスク, 並列処理ファクター

特殊なケース

乱数ジェネレーター

The Random Generator Type used is always Mersenne Twister.

並列処理ファクター

Parallel processing is only used when predictions are being made.

ライセンス情報

• Basic: 限定的
  ラスターを使用するには Spatial Analyst が必要です。
• Standard: 限定的
  ラスターを使用するには Spatial Analyst が必要です。
• Advanced: 限定的
  ラスターを使用するには Spatial Analyst が必要です。

関連トピック

• 空間リレーションシップのモデリング ツールセットの概要
• ジオプロセシング ツールの検索
• 地理空間加重回帰分析の仕組み
• フォレストベースおよびブースト分類と回帰分析の仕組み