FastTreeBinaryFeaturizationEstimator Classe
Définition
Important
Certaines informations portent sur la préversion du produit qui est susceptible d’être en grande partie modifiée avant sa publication. Microsoft exclut toute garantie, expresse ou implicite, concernant les informations fournies ici.
Pour IEstimator<TTransformer> transformer le vecteur de fonctionnalité d’entrée en fonctionnalités basées sur des arborescences.
public sealed class FastTreeBinaryFeaturizationEstimator : Microsoft.ML.Trainers.FastTree.TreeEnsembleFeaturizationEstimatorBasetype FastTreeBinaryFeaturizationEstimator = class
inherit TreeEnsembleFeaturizationEstimatorBasePublic NotInheritable Class FastTreeBinaryFeaturizationEstimator
Inherits TreeEnsembleFeaturizationEstimatorBase- Héritage
Remarques
Colonnes d’entrée et de sortie
Les données de la colonne d’étiquettes d’entrée doivent être Boolean. Les données de colonne des caractéristiques d’entrée doivent être un vecteur de taille connue de Single.
Cet estimateur génère les colonnes suivantes :
| Nom de la colonne de sortie | Type de colonne | Description |
|---|---|---|
Trees |
Vecteur de taille connue de Single | Valeurs de sortie de toutes les arborescences. Sa taille est identique au nombre total d’arbres dans le modèle d’ensemble d’arborescences. |
Leaves |
Vecteur de taille connue de Single | Représentation vectorielle 0-1 aux ID de toutes les feuilles où le vecteur de caractéristique d’entrée tombe. Sa taille est le nombre de feuilles totales dans le modèle d’ensemble d’arborescences. |
Paths |
Vecteur de taille connue de Single | Représentation vectorielle 0-1 aux chemins d’accès transmis par le vecteur de caractéristique d’entrée pour atteindre les feuilles. Sa taille est le nombre de nœuds non feuilles dans le modèle d’ensemble d’arborescences. |
Ces colonnes de sortie sont toutes facultatives et l’utilisateur peut modifier ses noms. Définissez les noms des colonnes ignorées sur Null afin qu’elles ne soient pas produites.
Détails de prédiction
Cet estimateur produit plusieurs colonnes de sortie à partir d’un modèle d’ensemble d’arborescences. Supposons que le modèle ne contient qu’un seul arbre de décision :
Node 0
/ \
/ \
/ \
/ \
Node 1 Node 2
/ \ / \
/ \ / \
/ \ Leaf -3 Node 3
Leaf -1 Leaf -2 / \
/ \
Leaf -4 Leaf -5
Supposons que le vecteur de fonctionnalité d’entrée tombe en Leaf -1. La sortie Trees peut être un vecteur à 1 élément où la seule valeur est la valeur de décision portée par Leaf -1. La sortie Leaves est un vecteur 0-1. Si la feuille atteinte est la $i$-th (indexée par $-(i+1)$ de sorte que la première feuille est Leaf -1) dans l’arborescence, la valeur Leaves $i$-th serait 1 et toutes les autres valeurs seraient 0. La sortie Paths est une représentation 0-1 des nœuds passés avant d’atteindre la feuille. L’élément $i$-th indique Paths si le nœud $i$-th (indexé par $i$) est touché.
Par exemple, atteindre Leaf -1 $[1, 1, 0, 0]$ comme le Paths. S’il y a plusieurs arbres, cet estimateur concatène Treessimplement les LeavesPathsarbres de tous les arbres (les premières informations de l’arbre viennent en premier dans les vecteurs concaténés).
Consultez la section Voir aussi pour obtenir des liens vers des exemples d’utilisation.
Méthodes
| Nom | Description |
|---|---|
| Fit(IDataView) |
Produisez une TreeEnsembleModelParameters colonne qui mappe la colonne appelée InputColumnName à |
| GetOutputSchema(SchemaShape) |
PretrainedTreeFeaturizationEstimator ajoute trois colonnes à vecteur flottant dans |
Méthodes d’extension
| Nom | Description |
|---|---|
| AppendCacheCheckpoint<TTrans>(IEstimator<TTrans>, IHostEnvironment) |
Ajoutez un « point de contrôle de mise en cache » à la chaîne d’estimateur. Cela garantit que les estimateurs en aval seront entraînés par rapport aux données mises en cache. Il est utile d’avoir un point de contrôle de mise en cache avant les formateurs qui prennent plusieurs passes de données. |
| WithOnFitDelegate<TTransformer>(IEstimator<TTransformer>, Action<TTransformer>) |
En fonction d’un estimateur, retournez un objet de création de package de restrictions qui appellera un délégué une fois Fit(IDataView) appelé. Il est souvent important pour un estimateur de retourner des informations sur ce qui était adapté, c’est pourquoi la Fit(IDataView) méthode retourne un objet spécifiquement typé, plutôt que simplement un général ITransformer. Toutefois, en même temps, IEstimator<TTransformer> sont souvent formés en pipelines avec de nombreux objets, nous devrons peut-être construire une chaîne d’estimateurs via EstimatorChain<TLastTransformer> laquelle l’estimateur pour lequel nous voulons obtenir le transformateur est enterré quelque part dans cette chaîne. Pour ce scénario, nous pouvons par le biais de cette méthode attacher un délégué qui sera appelé une fois l’ajustement appelé. |