FastTreeTweedieTrainer Clase
Definición
Importante
Parte de la información hace referencia a la versión preliminar del producto, que puede haberse modificado sustancialmente antes de lanzar la versión definitiva. Microsoft no otorga ninguna garantía, explícita o implícita, con respecto a la información proporcionada aquí.
IEstimator<TTransformer> para entrenar un modelo de regresión de árbol de decisión mediante la función de pérdida de Tweedie. Este entrenador es una generalización de Poisson, compuesto Poisson y regresión gamma.
public sealed class FastTreeTweedieTrainer : Microsoft.ML.Trainers.FastTree.BoostingFastTreeTrainerBase<Microsoft.ML.Trainers.FastTree.FastTreeTweedieTrainer.Options,Microsoft.ML.Data.RegressionPredictionTransformer<Microsoft.ML.Trainers.FastTree.FastTreeTweedieModelParameters>,Microsoft.ML.Trainers.FastTree.FastTreeTweedieModelParameters>type FastTreeTweedieTrainer = class
inherit BoostingFastTreeTrainerBase<FastTreeTweedieTrainer.Options, RegressionPredictionTransformer<FastTreeTweedieModelParameters>, FastTreeTweedieModelParameters>Public NotInheritable Class FastTreeTweedieTrainer
Inherits BoostingFastTreeTrainerBase(Of FastTreeTweedieTrainer.Options, RegressionPredictionTransformer(Of FastTreeTweedieModelParameters), FastTreeTweedieModelParameters)- Herencia
Comentarios
Para crear este entrenador, use FastTreeTweedie o FastTreeTweedie(Options).
Columnas de entrada y salida
Los datos de la columna de etiqueta de entrada deben ser Single. Los datos de columna de características de entrada deben ser un vector conocido de Single.
Este instructor genera las columnas siguientes:
| Nombre de columna de salida | Tipo de columna | Description |
|---|---|---|
Score |
Single | Puntuación no delimitada prevista por el modelo. |
Características del entrenador
| Tarea de aprendizaje automático | Regression |
| ¿Se requiere normalización? | No |
| ¿Se requiere el almacenamiento en caché? | No |
| NuGet necesario además de Microsoft.ML | Microsoft.ML.FastTree |
| Exportable a ONNX | Yes |
Detalles del algoritmo de entrenamiento
El modelo de potenciación de Tweedie sigue las matemáticas establecidas en la predicción premium del seguro a través de gradiente Tree-Boosted modelos de Poisson compuestos de Tweedie de Yang, Quan y Zou. Para obtener una introducción a la potenciación de degradado y más información, vea: Wikipedia: Potenciación de degradado (aumento de árbol de degradado) o aproximación de función expansada: Una máquina de potenciación de degradado.
Consulte la sección Ver también para obtener vínculos a ejemplos de uso.
Campos
| Nombre | Description |
|---|---|
| FeatureColumn |
Columna de características que el instructor espera. (Heredado de TrainerEstimatorBase<TTransformer,TModel>) |
| GroupIdColumn |
Columna groupID opcional que espera el entrenador de clasificación. (Heredado de TrainerEstimatorBaseWithGroupId<TTransformer,TModel>) |
| LabelColumn |
Columna de etiqueta que el entrenador espera. Puede ser |
| WeightColumn |
Columna de peso que espera el entrenador. Puede ser |
Propiedades
| Nombre | Description |
|---|---|
| Info |
IEstimator<TTransformer> para entrenar un modelo de regresión de árbol de decisión mediante la función de pérdida de Tweedie. Este entrenador es una generalización de Poisson, compuesto Poisson y regresión gamma. (Heredado de FastTreeTrainerBase<TOptions,TTransformer,TModel>) |
Métodos
| Nombre | Description |
|---|---|
| Fit(IDataView, IDataView) |
Entrena un FastTreeTweedieTrainer mediante datos de entrenamiento y validación, devuelve un RegressionPredictionTransformer<TModel>. |
| Fit(IDataView) |
Entrena y devuelve un ITransformer. (Heredado de TrainerEstimatorBase<TTransformer,TModel>) |
| GetOutputSchema(SchemaShape) |
IEstimator<TTransformer> para entrenar un modelo de regresión de árbol de decisión mediante la función de pérdida de Tweedie. Este entrenador es una generalización de Poisson, compuesto Poisson y regresión gamma. (Heredado de TrainerEstimatorBase<TTransformer,TModel>) |
Métodos de extensión
| Nombre | Description |
|---|---|
| AppendCacheCheckpoint<TTrans>(IEstimator<TTrans>, IHostEnvironment) |
Anexe un "punto de control de almacenamiento en caché" a la cadena del estimador. Esto garantizará que los estimadores de nivel inferior se entrenarán con los datos almacenados en caché. Resulta útil tener un punto de control de almacenamiento en caché antes de que los instructores tomen varios pases de datos. |
| WithOnFitDelegate<TTransformer>(IEstimator<TTransformer>, Action<TTransformer>) |
Dado un estimador, devuelva un objeto de ajuste que llamará a un delegado una vez Fit(IDataView) que se llame. A menudo, es importante que un estimador devuelva información sobre lo que se ha ajustado, por lo que el Fit(IDataView) método devuelve un objeto específicamente tipado, en lugar de simplemente un general ITransformer. Sin embargo, al mismo tiempo, IEstimator<TTransformer> a menudo se forman en canalizaciones con muchos objetos, por lo que es posible que tengamos que crear una cadena de estimadores a través EstimatorChain<TLastTransformer> de donde el estimador para el que queremos obtener el transformador está enterrado en algún lugar de esta cadena. En ese escenario, podemos a través de este método adjuntar un delegado al que se llamará una vez que se llame a fit. |