Este artículo fue traducido mediante Google Translate.
Descripción general
En esta sección, se aplica un clasificador de bosque aleatorio a sus datos incrustados, generando sus resultados de VPS. Las configuraciones en esta sección implican decirle al sistema cómo desea que se agrupen sus datos con fines de aprendizaje/prueba, lo que puede variar según sus conjuntos de datos. En otras palabras, aquí estás controlando los grupos de entrenamiento y prueba que se utilizan para la validación del modelo.
Siga leyendo para obtener más contexto y explicaciones sobre lo que implica este paso.
Conceptos clave por parámetro
Estas configuraciones ayudan al modelo a capturar la cantidad correcta de detalles, evitando que sea demasiado específico (sobreajuste) o demasiado general (subajuste) y mejorando su rendimiento con nuevos datos.
Parámetro: Tamaño mínimo del clúster
El tamaño mínimo del clúster determina hasta qué punto buscará el algoritmo de agrupamiento para agrupar puntos de datos en clústeres.
Este parámetro influye en la escala del proceso de agrupación, ya sea que el algoritmo se centre en puntos cercanos para capturar detalles más finos o considere puntos más alejados para una agrupación más generalizada.
Ajustar esta configuración ayuda a que el modelo se alinee con la complejidad del entorno geológico.
Parámetro: Muestras mínimas
El parámetro de muestras mínimas especifica la cantidad más pequeña de puntos de datos necesarios para formar un grupo.
Esta configuración influye en la sensibilidad del modelo a la densidad de datos.
Un número más bajo permite detectar grupos más pequeños en entornos variados, mientras que un número más alto filtra grupos más pequeños para centrarse en patrones más grandes en entornos más uniformes.
Ajustar esta configuración ayuda al modelo a alinearse con la complejidad del entorno geológico y/o capturar las diferencias sutiles en los sistemas minerales entre diferentes zonas mineralizadas.
Consejos:
Si su entorno geológico es muy variado, utilice grupos más pequeños con una distancia mínima más baja y muestras mínimas para capturar detalles y crear más grupos.
Si su entorno geológico tiene poca variación, utilice grupos más grandes con una distancia mínima más alta y muestras mínimas para capturar patrones más amplios.
¿Aún tienes preguntas?
Comuníquese con su contacto exclusivo de VRIFY AI o envíe un correo electrónico a Support@VRIFY.com para obtener más información.