Microsoft.ML.Trainers.FastTree Namespace

Opções para aumentar os treinadores de árvore.

Namespace que contém treinadores, parâmetros de modelo e utilitários para algoritmos de Árvore Rápida.

Perda Consecutiva em Generalidade (UP).

Namespace que contém treinadores, parâmetros de modelo e utilitários para algoritmos de Árvore Rápida.

Regra de interrupção antecipada usada para encerrar o processo de treinamento depois de atender a um critério especificado. Usado para configuração EarlyStoppingRuleEarlyStoppingRule.

A IEstimator<TTransformer> para transformar o vetor do recurso de entrada em recursos baseados em árvore.

Opções para o FastForestBinaryFeaturizationEstimator.

Parâmetros de modelo para FastForestBinaryTrainer.

Para IEstimator<TTransformer> treinar um modelo de classificação binária de árvore de decisão usando a Floresta Rápida.

Opções para o FastForestBinaryTrainer usado em FastForest(Options).

Classe base para opções de treinador de floresta rápida.

A IEstimator<TTransformer> para transformar o vetor do recurso de entrada em recursos baseados em árvore.

Opções para o FastForestRegressionFeaturizationEstimator.

Parâmetros de modelo para FastForestRegressionTrainer.

Para IEstimator<TTransformer> treinar um modelo de regressão de árvore de decisão usando a Floresta Rápida.

Opções para o FastForestRegressionTrainer usado em FastForest(Options).

A IEstimator<TTransformer> para transformar o vetor do recurso de entrada em recursos baseados em árvore.

Opções para o FastTreeBinaryFeaturizationEstimator.

Parâmetros de modelo para FastTreeBinaryTrainer.

Para IEstimator<TTransformer> treinar um modelo de classificação binária de árvore de decisão usando o FastTree.

Opções para o FastTreeBinaryTrainer que é usado em FastTree(Options).

A IEstimator<TTransformer> para transformar o vetor do recurso de entrada em recursos baseados em árvore.

Opções para o FastTreeRankingFeaturizationEstimator.

Parâmetros de modelo para FastTreeRankingTrainer.

Para IEstimator<TTransformer> treinar um modelo de classificação de árvore de decisão usando o FastTree.

Opções para o FastTreeRankingTrainer que é usado em FastTree(Options).

A IEstimator<TTransformer> para transformar o vetor do recurso de entrada em recursos baseados em árvore.

Opções para o FastTreeRegressionFeaturizationEstimator.

Parâmetros de modelo para FastForestRegressionTrainer.

Para IEstimator<TTransformer> treinar um modelo de regressão de árvore de decisão usando FastTree.

Opções para o FastTreeRegressionTrainer que é usado em FastTree(Options).

Namespace que contém treinadores, parâmetros de modelo e utilitários para algoritmos de Árvore Rápida.

A IEstimator<TTransformer> para transformar o vetor do recurso de entrada em recursos baseados em árvore.

Opções para o FastTreeTweedieFeaturizationEstimator.

Parâmetros de modelo para FastTreeTweedieTrainer.

Para IEstimator<TTransformer> treinar um modelo de regressão de árvore de decisão usando a função de perda do Tweedie. Este treinador é uma generalização de Poisson, poisson composto e regressão gama.

Opções para o FastTreeTweedieTrainer usado em FastTreeTweedie(Options).

Parâmetros de modelo para GamBinaryTrainer.

Para IEstimator<TTransformer> treinar um modelo de classificação binária com modelos aditivos generalizados (GAM).

Opções para o GamBinaryTrainer usado em Gam(Options).

A classe base para parâmetros de modelo GAM.

Parâmetros de modelo para GamRegressionTrainer.

Para IEstimator<TTransformer> treinar um modelo de regressão com modelos aditivos generalizados (GAM).

Opções para o GamRegressionTrainer usado em Gam(Options).

Classe base para opções de treinador baseado em GAM.

Classe base para treinadores GAM.

Perda de Generalidade (GL).

Taxa de Generalidade para Progresso (PQ).

Baixo Progresso (LP). Essa regra é disparada quando as melhorias na parada de pontuação.

Namespace que contém treinadores, parâmetros de modelo e utilitários para algoritmos de Árvore Rápida.

Um IEstimator<TTransformer> que contém um pré-treinado TreeEnsembleModelParameters e sua chamada Fit(IDataView) produz um featurizer com base no modelo pré-treinado.

PretrainedTreeFeaturizationEstimator.Options de PretrainedTreeFeaturizationEstimator como usado ao chamar FeaturizeByPretrainTreeEnsemble(TransformsCatalog, PretrainedTreeFeaturizationEstimator+Options).

Uma classe de contêiner para expor Microsoft.ML.Trainers.FastTree.InternalQuantileRegressionTreeos atributos dos usuários. Essa classe não deve ser mutável, portanto, contém muitos membros somente leitura. Além das coisas herdadas, RegressionTreeBaseadicionamos GetLeafSamplesAt(Int32) e GetLeafSampleWeightsAt(Int32) expomos rótulos de treinamento (sub-amostrados) caindo na folha leafIndex-th e seus pesos.

Namespace que contém treinadores, parâmetros de modelo e utilitários para algoritmos de Árvore Rápida.

Namespace que contém treinadores, parâmetros de modelo e utilitários para algoritmos de Árvore Rápida.

Uma classe de contêiner para expor Microsoft.ML.Trainers.FastTree.InternalRegressionTreeos atributos dos usuários. Essa classe não deve ser mutável, portanto, contém muitos membros somente leitura. Observe que RegressionTree isso é idêntico, RegressionTreeBase mas em outra classe QuantileRegressionTree derivada alguns atributos são adicionados.

Uma classe base de contêiner para expor Microsoft.ML.Trainers.FastTree.InternalRegressionTreeos atributos de 's e Microsoft.ML.Trainers.FastTree.InternalQuantileRegressionTree's aos usuários. Essa classe não deve ser mutável, portanto, contém muitos membros somente leitura.

Namespace que contém treinadores, parâmetros de modelo e utilitários para algoritmos de Árvore Rápida.

Namespace que contém treinadores, parâmetros de modelo e utilitários para algoritmos de Árvore Rápida.

Uma lista da RegressionTreeBaseclasse derivada de 's. Para calcular o valor de saída de um TreeEnsemble<T>, precisamos calcular os valores de saída de todas as árvores, Treesdimensionar esses valores por meio TreeWeightse, finalmente, somar os valores dimensionados e Bias para cima.

Essa classe encapsula o comportamento comum de todos os featurizers baseados em árvore, comoFastTreeBinaryFeaturizationEstimator, , FastForestBinaryFeaturizationEstimator, FastTreeRegressionFeaturizationEstimatorFastForestRegressionFeaturizationEstimatore PretrainedTreeFeaturizationEstimator. Todos os featurizers baseados em árvore compartilham o mesmo esquema de saída calculado por GetOutputSchema(SchemaShape). Todos os featureizers baseados em árvore exigem um nome de coluna de recurso de entrada e um sufixo para todas as colunas de saída. O ITransformer retornado produz Fit(IDataView) três colunas: (1) os valores de previsão de todas as árvores, (2) as IDs das folhas em que o vetor do recurso de entrada está caindo e (3) o vetor binário que codifica os caminhos para essas folhas de destino.

As opções comuns de recursos baseados em árvore, comoFastTreeBinaryFeaturizationEstimator, , FastForestBinaryFeaturizationEstimator, FastTreeRegressionFeaturizationEstimatore PretrainedTreeFeaturizationEstimatorFastForestRegressionFeaturizationEstimator.

ITransformer resultante da montagem de qualquer classe derivada de TreeEnsembleFeaturizationEstimatorBase. As classes derivadas incluem, por exemplo, FastTreeBinaryFeaturizationEstimator e FastForestRegressionFeaturizationEstimator.

Namespace que contém treinadores, parâmetros de modelo e utilitários para algoritmos de Árvore Rápida.

TreeEnsembleModelParametersBasedOnQuantileRegressionTree é derivado de TreeEnsembleModelParameters mais um atributo público fortemente tipado, TrainedTreeEnsemblepara expor os detalhes do modelo treinado aos usuários. Sua função é Microsoft.ML.Trainers.FastTree.TreeEnsembleModelParametersBasedOnQuantileRegressionTree.CreateTreeEnsembleFromInternalDataStructurechamada para criar TrainedTreeEnsemble dentro TreeEnsembleModelParameters. Observe que a principal diferença entre TreeEnsembleModelParametersBasedOnQuantileRegressionTree e TreeEnsembleModelParametersBasedOnRegressionTree é o tipo de TrainedTreeEnsemble.

TreeEnsembleModelParametersBasedOnRegressionTree é derivado de TreeEnsembleModelParameters mais um atributo público fortemente tipado, TrainedTreeEnsemblepara expor os detalhes do modelo treinado aos usuários. Sua função é Microsoft.ML.Trainers.FastTree.TreeEnsembleModelParametersBasedOnRegressionTree.CreateTreeEnsembleFromInternalDataStructurechamada para criar TrainedTreeEnsemble dentro TreeEnsembleModelParameters. Observe que a principal diferença entre TreeEnsembleModelParametersBasedOnQuantileRegressionTree e TreeEnsembleModelParametersBasedOnRegressionTree é o tipo de TrainedTreeEnsemble.

Opções para treinadores de árvore.

Tipos de algoritmos de otimização.

Namespace que contém treinadores, parâmetros de modelo e utilitários para algoritmos de Árvore Rápida.

Parando as medidas de classificação e regressão.

Parando as medidas para classificação.