Microsoft.ML.Trainers.FastTree Espacio de nombres

Opciones para aumentar los entrenadores de árbol.

Espacio de nombres que contiene instructores, parámetros de modelo y utilidades para algoritmos de árbol rápido.

Pérdida consecutiva en general (UP).

Espacio de nombres que contiene instructores, parámetros de modelo y utilidades para algoritmos de árbol rápido.

Regla de detención temprana que se usa para finalizar el proceso de entrenamiento una vez que se cumple un criterio especificado. Se usa para establecer EarlyStoppingRuleEarlyStoppingRule.

para IEstimator<TTransformer> transformar el vector de características de entrada en características basadas en árboles.

Opciones de .FastForestBinaryFeaturizationEstimator

Parámetros de modelo para FastForestBinaryTrainer.

IEstimator<TTransformer> para entrenar un modelo de clasificación binaria de árbol de decisión mediante Fast Forest.

Opciones para como FastForestBinaryTrainer se usa en FastForest(Options).

Clase base para opciones rápidas de entrenador de bosque.

para IEstimator<TTransformer> transformar el vector de características de entrada en características basadas en árboles.

Opciones de .FastForestRegressionFeaturizationEstimator

Parámetros de modelo para FastForestRegressionTrainer.

IEstimator<TTransformer> para entrenar un modelo de regresión de árbol de decisión mediante Fast Forest.

Opciones para como FastForestRegressionTrainer se usa en FastForest(Options).

para IEstimator<TTransformer> transformar el vector de características de entrada en características basadas en árboles.

Opciones de .FastTreeBinaryFeaturizationEstimator

Parámetros de modelo para FastTreeBinaryTrainer.

IEstimator<TTransformer> para entrenar un modelo de clasificación binaria de árbol de decisión mediante FastTree.

Opciones para como FastTreeBinaryTrainer se usa en FastTree(Options).

para IEstimator<TTransformer> transformar el vector de características de entrada en características basadas en árboles.

Opciones de .FastTreeRankingFeaturizationEstimator

Parámetros de modelo para FastTreeRankingTrainer.

IEstimator<TTransformer> para entrenar un modelo de clasificación de árbol de decisión mediante FastTree.

Opciones para como FastTreeRankingTrainer se usa en FastTree(Options).

para IEstimator<TTransformer> transformar el vector de características de entrada en características basadas en árboles.

Opciones de .FastTreeRegressionFeaturizationEstimator

Parámetros de modelo para FastForestRegressionTrainer.

IEstimator<TTransformer> para entrenar un modelo de regresión de árbol de decisión mediante FastTree.

Opciones para como FastTreeRegressionTrainer se usa en FastTree(Options).

Espacio de nombres que contiene instructores, parámetros de modelo y utilidades para algoritmos de árbol rápido.

para IEstimator<TTransformer> transformar el vector de características de entrada en características basadas en árboles.

Opciones de .FastTreeTweedieFeaturizationEstimator

Parámetros de modelo para FastTreeTweedieTrainer.

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.

Opciones para como FastTreeTweedieTrainer se usa en FastTreeTweedie(Options).

Parámetros de modelo para GamBinaryTrainer.

IEstimator<TTransformer> para entrenar un modelo de clasificación binaria con modelos aditivos generalizados (GAM).

Opciones de como GamBinaryTrainer se usa en Gam(Options).

La clase base para los parámetros del modelo GAM.

Parámetros de modelo para GamRegressionTrainer.

IEstimator<TTransformer> para entrenar un modelo de regresión con modelos aditivos generalizados (GAM).

Opciones de como GamRegressionTrainer se usa en Gam(Options).

Clase base para opciones de instructor basadas en GAM.

Clase base para instructores de GAM.

Pérdida de generalidad (GL).

Generalidad a relación de progreso (PQ).

Bajo progreso (LP). Esta regla se activa cuando las mejoras en la puntuación se detiene.

Espacio de nombres que contiene instructores, parámetros de modelo y utilidades para algoritmos de árbol rápido.

Que IEstimator<TTransformer> contiene un elemento entrenado TreeEnsembleModelParameters previamente y al que se llama produce Fit(IDataView) un caracterizador basado en el modelo entrenado previamente.

PretrainedTreeFeaturizationEstimator.Options de PretrainedTreeFeaturizationEstimator como se usa al llamar a FeaturizeByPretrainTreeEnsemble(TransformsCatalog, PretrainedTreeFeaturizationEstimator+Options).

Clase de contenedor para exponer Microsoft.ML.Trainers.FastTree.InternalQuantileRegressionTreelos atributos de los usuarios. Esta clase no debe ser mutable, por lo que contiene muchos miembros de solo lectura. Además de las cosas heredadas de RegressionTreeBase, agregamos GetLeafSamplesAt(Int32) y GetLeafSampleWeightsAt(Int32) exponemos (sub muestreado) etiquetas de entrenamiento que caen en la hoja leafIndex-th y sus pesos.

Espacio de nombres que contiene instructores, parámetros de modelo y utilidades para algoritmos de árbol rápido.

Espacio de nombres que contiene instructores, parámetros de modelo y utilidades para algoritmos de árbol rápido.

Clase de contenedor para exponer Microsoft.ML.Trainers.FastTree.InternalRegressionTreelos atributos de los usuarios. Esta clase no debe ser mutable, por lo que contiene muchos miembros de solo lectura. Tenga en cuenta que RegressionTree es idéntico a RegressionTreeBase pero en otra clase QuantileRegressionTree derivada se agregan algunos atributos.

Clase base de contenedor para exponer Microsoft.ML.Trainers.FastTree.InternalRegressionTreelos atributos y Microsoft.ML.Trainers.FastTree.InternalQuantileRegressionTreede los usuarios. Esta clase no debe ser mutable, por lo que contiene muchos miembros de solo lectura.

Espacio de nombres que contiene instructores, parámetros de modelo y utilidades para algoritmos de árbol rápido.

Espacio de nombres que contiene instructores, parámetros de modelo y utilidades para algoritmos de árbol rápido.

Lista de RegressionTreeBasela clase derivada. Para calcular el valor de salida de , TreeEnsemble<T>es necesario calcular los valores de salida de todos los árboles de Trees, escalar esos valores a través TreeWeightsde y, por último, sumar los valores escalados y Bias verticales.

Esta clase encapsula el comportamiento común de todos los caracterizadores basados en árbol, como FastTreeBinaryFeaturizationEstimator, FastForestBinaryFeaturizationEstimator, FastTreeRegressionFeaturizationEstimator, FastForestRegressionFeaturizationEstimatory PretrainedTreeFeaturizationEstimator. Todos los caracterizadores basados en árbol comparten el mismo esquema de salida calculado por GetOutputSchema(SchemaShape). Todos los caracterizadores basados en árboles requieren un nombre de columna de característica de entrada y un sufijo para todas las columnas de salida. El ITransformer devuelto por Fit(IDataView) genera tres columnas: (1) los valores de predicción de todos los árboles, (2) los identificadores de deja el vector de características de entrada en el que cae y (3) el vector binario que codifica las rutas de acceso a esas hojas de destino.

Las opciones comunes de caracterizaciones basadas en árboles, como FastTreeBinaryFeaturizationEstimator, FastForestBinaryFeaturizationEstimator, FastTreeRegressionFeaturizationEstimator, FastForestRegressionFeaturizationEstimatory PretrainedTreeFeaturizationEstimator.

ITransformer resultante de ajustar cualquier clase derivada de TreeEnsembleFeaturizationEstimatorBase. Las clases derivadas incluyen, por ejemplo, FastTreeBinaryFeaturizationEstimator y FastForestRegressionFeaturizationEstimator.

Espacio de nombres que contiene instructores, parámetros de modelo y utilidades para algoritmos de árbol rápido.

TreeEnsembleModelParametersBasedOnQuantileRegressionTree se deriva de TreeEnsembleModelParameters más un atributo público fuertemente tipado, TrainedTreeEnsemble, para exponer los detalles del modelo entrenado a los usuarios. Se llama a su función , Microsoft.ML.Trainers.FastTree.TreeEnsembleModelParametersBasedOnQuantileRegressionTree.CreateTreeEnsembleFromInternalDataStructurepara crear TrainedTreeEnsemble dentro TreeEnsembleModelParametersde . Tenga en cuenta que la diferencia principal entre TreeEnsembleModelParametersBasedOnQuantileRegressionTree y TreeEnsembleModelParametersBasedOnRegressionTree es el tipo de TrainedTreeEnsemble.

TreeEnsembleModelParametersBasedOnRegressionTree se deriva de TreeEnsembleModelParameters más un atributo público fuertemente tipado, TrainedTreeEnsemble, para exponer los detalles del modelo entrenado a los usuarios. Se llama a su función , Microsoft.ML.Trainers.FastTree.TreeEnsembleModelParametersBasedOnRegressionTree.CreateTreeEnsembleFromInternalDataStructurepara crear TrainedTreeEnsemble dentro TreeEnsembleModelParametersde . Tenga en cuenta que la diferencia principal entre TreeEnsembleModelParametersBasedOnQuantileRegressionTree y TreeEnsembleModelParametersBasedOnRegressionTree es el tipo de TrainedTreeEnsemble.

Opciones para entrenadores de árbol.

Tipos de algoritmos de optimización.

Espacio de nombres que contiene instructores, parámetros de modelo y utilidades para algoritmos de árbol rápido.

Detención de medidas para la clasificación y la regresión.

Detención de medidas para la clasificación.