名前
weka.classifiers.trees.ADTree

---

構文
相互決定木の生成．基本的なアルゴリズムは以下の文献に基づいています:

Freund, Y., Mason, L.: "The alternating decision tree learning algorithm". Proceeding of the Sixteenth International Conference on Machine Learning, Bled, Slovenia, (1999) 124-133.

現バージョンは二値クラス問題のみをサポートしています． ブースティングの繰り返し数は，データセットと要求する複雑さ・正確さのトレードオフに適合するように手動で調整する必要があります．木の導出は，最適化され，発見的な探索手法が学習速度を上げるために導入されています．

オプション
debug -- trueに設定されると，分類学習アルゴリズムは追加インフォメーションをコンソールに出力します．

numOfBoostingIterations -- ブースティング繰り返し実行回数を設定します．このパラメータはデータセットと要求する複雑さ・正確さのトレードオフを考慮して手動で調整する必要があります．より多くのブースティング繰り返し回数は大きな木となる結果となります．（潜在的にはより正確になります）その分，学習は遅くなります．それぞれの繰り返しは３つのノード（１つは分割，２つは予測）が併合が起こらない限り追加されます．

randomSeed -- ランダム探索に使うためのランダム化の種を設定します．

saveInstanceData -- 木がインスタンスデータを保存するかを設定します．これによりモデルはより多くのメモリを消費します． もし，有効にすると木を可視化するときに 予測ノードに割り当てられたインスタンスを可視化することができます．

searchPath -- 木を構築するときの探索を実行する種類を設定します． デフォルトのオプションは(すべての経路を展開して) 徹底的な検索をすることになります． 他の方法としては，ヒューリスティック最適解を見つける保証はされませんが，はるかに早く実行されます． 最も重い経路の展開: 最も重く重み付けしたインスタンスを基に経路を探索します． 最良のz-pure経路の展開: z-pure予測によって最良と決めた経路を探索します． ランダム経路展開: 最も高速な探索方法です． 単にそれぞれの繰り返しにおいて単一の経路を無作為に探索します．