QuantileRegressionTree Classe

Déterminez les types de fonction de fractionnement. Si CategoricalSplitFlags[i] est vrai, le nœud i-th utilise la fonction de fractionnement catégorielle. Sinon, le fractionnement numérique traditionnel est utilisé.

LeafValues[i] est la valeur apprise à la i-ième feuille.

LeftChild[i] est l’index enfant du i-ième nœud utilisé lorsque (1) la fonctionnalité numérique indexée par NumericalSplitFeatureIndexes[i] est inférieure ou égale au seuil NumericalSplitThresholds[i], ou (2) les caractéristiques catégorielles indexées par la valeur retournée par GetCategoricalCategoricalSplitFeatureRangeAt(Int32)nodeIndex=i n’est pas un sous-ensemble avec GetCategoricalSplitFeaturesAt(Int32) nodeIndex=i. Notez que le cas (1) se produit uniquement lorsque CategoricalSplitFlags[i] est faux et sinon (2) se produit. Une valeur retournée non négative signifie un nœud (c’est-à-dire pas une feuille) ; par exemple, 2 signifie le 3e nœud dans le sous-jacent Microsoft.ML.Trainers.FastTree.RegressionTreeBase._tree. Une valeur retournée négative signifie une feuille ; par exemple, -1 représente la ~feuille (-1)-ième feuille dans le sous-jacent Microsoft.ML.Trainers.FastTree.RegressionTreeBase._tree. Notez qu’il ~ s’agit de l’opérateur de complément au niveau du bit en C# ; pour plus d’informations, consultez https://docs.microsoft.com/en-us/dotnet/csharp/language-reference/operators/bitwise-complement-operator.

Nombre de feuilles dans l’arborescence. Notez que NumberOfLeaves ne prend pas en compte les nœuds non feuilles.

Nombre de nœuds dans l’arborescence. Cela n’inclut aucune feuille. Par exemple, une arborescence avec node0-node1>, node0-leaf3>, node1-leaf1>, node1-leaf2> et NumberOfNodesNumberOfLeaves doit être respectivement 2 et 3.

NumericalSplitFeatureIndexes[i] est l’index de fonctionnalité utilisé la fonction de fractionnement du nœud i-th. Cette valeur est valide uniquement si CategoricalSplitFlags[i] a la valeur false.

NumericalSplitThresholds[i] est le seuil de fonctionnalité indexée par NumericalSplitFeatureIndexes[i], où i est l'index du nœud i-th (par exemple, i est 1 pour le 2ème nœud dans Microsoft.ML.Trainers.FastTree.RegressionTreeBase._tree).

RightChild[i] est l’index enfant du i-ième nœud utilisé lorsque les deux conditions (1) et (2), décrites dans LeftChildle document de 's ne sont pas vraies. Sa valeur de retour suit le format utilisé dans LeftChild.

Les gains obtenus en fractionnant les données sur les nœuds. Sa valeur d’i-ième est calculée à partir du fractionnement au niveau du nœud i-th.

Retourne la plage des seuils catégoriels utilisés au niveau du nœud indexé par nodeIndex. Un fractionnement catégoriel au niveau du nœud indexé par nodeIndex peut prendre en compte plusieurs fonctionnalités d’entrée consécutives à la fois ; leur plage est spécifiée par GetCategoricalCategoricalSplitFeatureRangeAt(Int32). La valeur retournée est toujours un tableau de 2 éléments ; son 1er élément est l’index de départ et son 2e élément est l’index d’endination d’un segment de caractéristique. La valeur retournée est valide uniquement si CategoricalSplitFlags[nodeIndex] a la valeur true.

Retourne les seuils catégorieux utilisés au niveau du nœud indexé par nodeIndex. Si la fonctionnalité d’entrée considérée ne correspond pas à l’une des valeurs retournées par GetCategoricalSplitFeaturesAt(Int32), nous l’appelons un événement inférieur au seuil et donc LeftChild[nodeIndex] est le nœud enfant que l’entrée doit suivre. La valeur retournée est valide uniquement si CategoricalSplitFlags[nodeIndex] a la valeur true.

Retournez les étiquettes d’entraînement qui tombent dans la feuille spécifiée.

Retournez les poids des étiquettes d’entraînement qui tombent dans la feuille spécifiée. Si GetLeafSamplesAt(Int32) et GetLeafSampleWeightsAt(Int32) utilisez la même entrée, l’i-ième valeur retournée de cette fonction est le poids de l’étiquette i-th en GetLeafSamplesAt(Int32).