Microsoft.ML.Trainers.FastTree Przestrzeń nazw

Opcje zwiększania trenerów drzew.

Przestrzeń nazw zawierająca trenerów, parametry modelu i narzędzia dla algorytmów szybkiego drzewa.

Kolejna utrata w generalności (UP).

Przestrzeń nazw zawierająca trenerów, parametry modelu i narzędzia dla algorytmów szybkiego drzewa.

Reguła wczesnego zatrzymywania używana do zakończenia procesu trenowania po spełnieniu określonego kryterium. Służy do ustawiania .EarlyStoppingRuleEarlyStoppingRule

Element do IEstimator<TTransformer> przekształcania wektora funkcji wejściowych na funkcje oparte na drzewie.

Opcje dla .FastForestBinaryFeaturizationEstimator

Parametry modelu dla .FastForestBinaryTrainer

Element IEstimator<TTransformer> do trenowania modelu klasyfikacji binarnej drzewa decyzyjnego przy użyciu szybkiego lasu.

Opcje używane FastForestBinaryTrainer w opcji FastForest(Options).

Klasa bazowa dla opcji szybkiego trenera lasu.

Element do IEstimator<TTransformer> przekształcania wektora funkcji wejściowych na funkcje oparte na drzewie.

Opcje dla .FastForestRegressionFeaturizationEstimator

Parametry modelu dla .FastForestRegressionTrainer

Element IEstimator<TTransformer> do trenowania modelu regresji drzewa decyzyjnego przy użyciu szybkiego lasu.

Opcje używane FastForestRegressionTrainer w opcji FastForest(Options).

Element do IEstimator<TTransformer> przekształcania wektora funkcji wejściowych na funkcje oparte na drzewie.

Opcje dla .FastTreeBinaryFeaturizationEstimator

Parametry modelu dla .FastTreeBinaryTrainer

Element IEstimator<TTransformer> do trenowania modelu klasyfikacji binarnej drzewa decyzyjnego przy użyciu narzędzia FastTree.

Opcje używane w narzędziu FastTreeBinaryTrainerFastTree(Options).

Element do IEstimator<TTransformer> przekształcania wektora funkcji wejściowych na funkcje oparte na drzewie.

Opcje dla .FastTreeRankingFeaturizationEstimator

Parametry modelu dla .FastTreeRankingTrainer

Element IEstimator<TTransformer> do trenowania modelu klasyfikacji drzewa decyzyjnego przy użyciu narzędzia FastTree.

Opcje używane w narzędziu FastTreeRankingTrainerFastTree(Options).

Element do IEstimator<TTransformer> przekształcania wektora funkcji wejściowych na funkcje oparte na drzewie.

Opcje dla .FastTreeRegressionFeaturizationEstimator

Parametry modelu dla .FastForestRegressionTrainer

Element IEstimator<TTransformer> do trenowania modelu regresji drzewa decyzyjnego przy użyciu narzędzia FastTree.

Opcje używane w narzędziu FastTreeRegressionTrainerFastTree(Options).

Przestrzeń nazw zawierająca trenerów, parametry modelu i narzędzia dla algorytmów szybkiego drzewa.

Element do IEstimator<TTransformer> przekształcania wektora funkcji wejściowych na funkcje oparte na drzewie.

Opcje dla .FastTreeTweedieFeaturizationEstimator

Parametry modelu dla .FastTreeTweedieTrainer

Element IEstimator<TTransformer> do trenowania modelu regresji drzewa decyzyjnego przy użyciu funkcji utraty Tweedie. Ten trener jest uogólnienie Poissona, złożonego Poissona i regresji gamma.

Opcje używane FastTreeTweedieTrainer w opcji FastTreeTweedie(Options).

Parametry modelu dla .GamBinaryTrainer

Element IEstimator<TTransformer> do trenowania modelu klasyfikacji binarnej za pomocą uogólnionych modeli addytywnego (GAM).

Opcje używane w narzędziu GamBinaryTrainerGam(Options).

Klasa bazowa parametrów modelu GAM.

Parametry modelu dla .GamRegressionTrainer

Element IEstimator<TTransformer> do trenowania modelu regresji za pomocą uogólnionych modeli addytywnego (GAM).

Opcje używane w narzędziu GamRegressionTrainerGam(Options).

Klasa bazowa dla opcji trenera opartych na gamie.

Klasa podstawowa dla trenerów GAM.

Utrata uogólnienia (GL).

Ogólne stosunek postępu do postępu (PQ).

Niski postęp (LP). Ta reguła jest uruchamiana, gdy ulepszenia w punkcie wyników są uruchamiane.

Przestrzeń nazw zawierająca trenerów, parametry modelu i narzędzia dla algorytmów szybkiego drzewa.

Element IEstimator<TTransformer> zawierający wstępnie wytrenowany i wywołujący go Fit(IDataView) tworzy cechę opartą na wstępnie wytrenowanym TreeEnsembleModelParameters modelu.

PretrainedTreeFeaturizationEstimator.Options do PretrainedTreeFeaturizationEstimator użycia podczas wywoływania FeaturizeByPretrainTreeEnsemble(TransformsCatalog, PretrainedTreeFeaturizationEstimator+Options)metody .

Klasa kontenera do uwidaczniania Microsoft.ML.Trainers.FastTree.InternalQuantileRegressionTreeatrybutów użytkownikom. Ta klasa nie powinna być modyfikowalna, więc zawiera wiele elementów członkowskich tylko do odczytu. Oprócz elementów dziedziczonych z RegressionTreeBaseprogramu dodajemy GetLeafSamplesAt(Int32) i GetLeafSampleWeightsAt(Int32) ujawniamy (sub-sampled) etykiety treningowe spadające do liściaIndex-th liścia i ich wagi.

Przestrzeń nazw zawierająca trenerów, parametry modelu i narzędzia dla algorytmów szybkiego drzewa.

Przestrzeń nazw zawierająca trenerów, parametry modelu i narzędzia dla algorytmów szybkiego drzewa.

Klasa kontenera do uwidaczniania Microsoft.ML.Trainers.FastTree.InternalRegressionTreeatrybutów użytkownikom. Ta klasa nie powinna być modyfikowalna, więc zawiera wiele elementów członkowskich tylko do odczytu. Należy pamiętać, że jest identyczny, RegressionTreeRegressionTreeBase ale w innej klasie QuantileRegressionTree pochodnej niektóre atrybuty są dodawane.

Klasa bazowa kontenera do uwidaczniania Microsoft.ML.Trainers.FastTree.InternalRegressionTreeatrybutów i Microsoft.ML.Trainers.FastTree.InternalQuantileRegressionTreeatrybutów dla użytkowników. Ta klasa nie powinna być modyfikowalna, więc zawiera wiele elementów członkowskich tylko do odczytu.

Przestrzeń nazw zawierająca trenerów, parametry modelu i narzędzia dla algorytmów szybkiego drzewa.

Przestrzeń nazw zawierająca trenerów, parametry modelu i narzędzia dla algorytmów szybkiego drzewa.

Lista klasy pochodnej RegressionTreeBase. Aby obliczyć wartość wyjściową klasy TreeEnsemble<T>, musimy obliczyć wartości wyjściowe wszystkich drzew w Treesprogramie , przeskalować te wartości za pomocą metody TreeWeights, a na koniec zsumować skalowane wartości i Bias w górę.

Ta klasa hermetyzuje typowe zachowanie wszystkich cech opartych na drzewach, takich jak FastTreeBinaryFeaturizationEstimator, , FastForestBinaryFeaturizationEstimator, FastTreeRegressionFeaturizationEstimator, FastForestRegressionFeaturizationEstimatori PretrainedTreeFeaturizationEstimator. Wszystkie dzielniki oparte na drzewach współdzielą ten sam schemat wyjściowy obliczony przez program GetOutputSchema(SchemaShape). Wszystkie cechatory oparte na drzewie wymagają nazwy kolumny funkcji wejściowej i sufiksu dla wszystkich kolumn wyjściowych. Zwrócony ITransformer przez element Fit(IDataView) tworzy trzy kolumny: (1) wartości przewidywania wszystkich drzew, (2) identyfikatory opuszczają wektor funkcji wejściowej, a (3) wektor binarny, który koduje ścieżki do tych liści docelowych.

Typowe opcje cech opartych na drzewach, takich jak , , , i PretrainedTreeFeaturizationEstimatorFastForestRegressionFeaturizationEstimator. FastTreeRegressionFeaturizationEstimatorFastForestBinaryFeaturizationEstimatorFastTreeBinaryFeaturizationEstimator

ITransformer wynikające z dopasowania dowolnej klasy pochodnej klasy TreeEnsembleFeaturizationEstimatorBase. Klasy pochodne obejmują na przykład FastTreeBinaryFeaturizationEstimator i FastForestRegressionFeaturizationEstimator.

Przestrzeń nazw zawierająca trenerów, parametry modelu i narzędzia dla algorytmów szybkiego drzewa.

TreeEnsembleModelParametersBasedOnQuantileRegressionTree pochodzi z TreeEnsembleModelParameters atrybutu plus silnie typizowanego atrybutu publicznego , TrainedTreeEnsemblew celu uwidoczniania szczegółów wytrenowanego modelu użytkownikom. Jego funkcja , Microsoft.ML.Trainers.FastTree.TreeEnsembleModelParametersBasedOnQuantileRegressionTree.CreateTreeEnsembleFromInternalDataStructurejest wywoływana w celu utworzenia TrainedTreeEnsemble wewnątrz TreeEnsembleModelParameterselementu . Należy pamiętać, że główna różnica między elementami TreeEnsembleModelParametersBasedOnQuantileRegressionTree i TreeEnsembleModelParametersBasedOnRegressionTree jest typem TrainedTreeEnsemble.

TreeEnsembleModelParametersBasedOnRegressionTree pochodzi z TreeEnsembleModelParameters atrybutu plus silnie typizowanego atrybutu publicznego , TrainedTreeEnsemblew celu uwidoczniania szczegółów wytrenowanego modelu użytkownikom. Jego funkcja , Microsoft.ML.Trainers.FastTree.TreeEnsembleModelParametersBasedOnRegressionTree.CreateTreeEnsembleFromInternalDataStructurejest wywoływana w celu utworzenia TrainedTreeEnsemble wewnątrz TreeEnsembleModelParameterselementu . Należy pamiętać, że główna różnica między elementami TreeEnsembleModelParametersBasedOnQuantileRegressionTree i TreeEnsembleModelParametersBasedOnRegressionTree jest typem TrainedTreeEnsemble.

Opcje dla trenerów drzew.

Typy algorytmów optymalizacji.

Przestrzeń nazw zawierająca trenerów, parametry modelu i narzędzia dla algorytmów szybkiego drzewa.

Zatrzymywanie pomiarów klasyfikacji i regresji.

Zatrzymywanie pomiarów na potrzeby klasyfikacji.