FastForestBinaryTrainer.Options Klasa

Opcje dla FastForestBinaryTrainer elementu używanego w funkcji FastForest(Options).

Gdy podział główny jest niemożliwy, zezwól na kontynuowanie trenowania.

Procent przykładów treningowych używanych w każdej torbie. Wartość domyślna to 0,7 (70%).

Liczba drzew w każdej torbie (0 w celu wyłączenia baggingu).

Stronnicza odchylenie do obliczania gradientu dla każdego pojemnika cech kategorii.

Pakuj pojemniki o niskiej populacji. Bundle.None(0): brak pakietów, Bundle.AggregateLowPopulation(1): Bundle low population, Bundle.Adjacent(2): Sąsiedzi niski pakiet populacji.

Czy należy podzielić na podstawie wielu wartości cech kategorii.

Kompresuj drzewo Ensemble.

Czy używać dysku, czy natywnych obiektów transpozycji danych (w stosownych przypadkach) podczas transponowania.

Współczynnik entropii (uregulowania) z zakresu od 0 do 1.

Kolumna do użycia na przykład wagi.

Podział czasu wykonywania wydruku na kanał ML.NET.

Kolumna do użycia dla funkcji.

Funkcja najpierw używa współczynnika kary.

Czy zbierać funkcje podczas przygotowywania zestawu danych w celu przyspieszenia trenowania.

Ułamek funkcji (wybranych losowo) do użycia w każdej iteracji. Użyj wersji 0.9, jeśli potrzebne jest tylko 90% funkcji. Niższe liczby pomagają zmniejszyć nadmierne dopasowanie.

Ułamek funkcji (wybranych losowo) do użycia w każdym podziale. Jeśli jest to wartość 0,9, 90% wszystkich funkcji zostanie odrzucone w oczekiwaniu.

Współczynnik kary ponownego użycia funkcji (regularyzacja).

Inicjator aktywnego zaznaczenia funkcji.

Wymaganie dopasowania drzewa zyskuje pewność siebie. Rozważmy tylko zysk, jeśli jego prawdopodobieństwo w porównaniu z losowym zyskiem jest powyżej tej wartości.

Liczba histogramów w puli (od 2 do numLeaves).

Kolumna do użycia dla etykiet.

Maksymalna liczba unikatowych wartości (pojemników) na funkcję.

Maksymalna kategorialne grupy podzielone, które należy wziąć pod uwagę podczas dzielenia na funkcję kategorii. Podzielone grupy to kolekcja punktów podzielonych. Służy to do zmniejszenia nadmiernego dopasowania, gdy istnieje wiele cech kategorii.

Maksymalne podzielone punkty podzielone na kategorie, które należy wziąć pod uwagę podczas dzielenia na cechę kategorii.

Górna granica wartości bezwzględnej pojedynczego drzewa wyjściowego.

Drukuj statystyki pamięci do kanału ML.NET.

Minimalna liczba punktów danych wymaganych do utworzenia nowego liścia drzewa.

Minimalna wartość procentowa przykładu kategorii w pojemniku do rozważenia dla podziału. Wartość domyślna to 0,1% wszystkich przykładów szkoleniowych.

Minimalna liczba przykładów kategorii w pojemniku do rozważenia dla podziału.

Maksymalna liczba liści w każdym drzewie regresji.

Liczba punktów danych do próbkowania z każdego liścia w celu znalezienia rozkładu etykiet.

Liczba wątków do użycia.

Łączna liczba drzew decyzyjnych do utworzenia w zespole.

Kolumna do użycia na przykład groupId.

Nasion generatora liczb losowych.

Parametr smoothing dla regularyzacji drzewa.

Temperatura losowego rozkładu softmax do wybierania funkcji.

Poziom rozrzedu wymagany do korzystania z reprezentacji funkcji rozrzednicy.

Oblicz wartości metryk dla trenowania/prawidłowego/testowego co k rund.