FastTreeBinaryFeaturizationEstimator Klasa
Definicja
Ważne
Niektóre informacje odnoszą się do produktu w wersji wstępnej, który może zostać znacząco zmodyfikowany przed wydaniem. Firma Microsoft nie udziela żadnych gwarancji, jawnych lub domniemanych, w odniesieniu do informacji podanych w tym miejscu.
Element IEstimator<TTransformer> umożliwiający przekształcenie wektora cech wejściowych na funkcje oparte na drzewie.
public sealed class FastTreeBinaryFeaturizationEstimator : Microsoft.ML.Trainers.FastTree.TreeEnsembleFeaturizationEstimatorBasetype FastTreeBinaryFeaturizationEstimator = class
inherit TreeEnsembleFeaturizationEstimatorBasePublic NotInheritable Class FastTreeBinaryFeaturizationEstimator
Inherits TreeEnsembleFeaturizationEstimatorBase- Dziedziczenie
Uwagi
Kolumny wejściowe i wyjściowe
Dane kolumny etykiety wejściowej muszą być Boolean. Dane kolumn funkcji wejściowych muszą być znanym wektorem o rozmiarze Single.
Ten narzędzie do szacowania generuje następujące kolumny:
| Nazwa kolumny wyjściowej | Typ kolumny | Description |
|---|---|---|
Trees |
Znany wektor wielkości Single | Wartości wyjściowe wszystkich drzew. Jego rozmiar jest identyczny z całkowitą liczbą drzew w modelu zespołu drzewa. |
Leaves |
Znany wektor wielkości Single | Reprezentacja 0–1 wektora do identyfikatorów wszystkich liści, w których wektor funkcji wejściowej wchodzi w zakres. Jego rozmiar to liczba całkowitych liści w modelu zespołu drzewa. |
Paths |
Znany wektor wielkości Single | Reprezentacja 0–1 wektora do ścieżek wektora funkcji wejściowej przekazywanego w celu dotarcia do liści. Jego rozmiar to liczba węzłów innych niż liści w modelu zespołu drzewa. |
Te kolumny wyjściowe są opcjonalne, a użytkownik może zmienić ich nazwy. Ustaw nazwy pominiętych kolumn na null, aby nie były generowane.
Szczegóły przewidywania
Ten narzędzie do szacowania generuje kilka kolumn wyjściowych z modelu zespołu drzewa. Załóżmy, że model zawiera tylko jedno drzewo decyzyjne:
Node 0
/ \
/ \
/ \
/ \
Node 1 Node 2
/ \ / \
/ \ / \
/ \ Leaf -3 Node 3
Leaf -1 Leaf -2 / \
/ \
Leaf -4 Leaf -5
Załóżmy, że wektor funkcji wejściowej należy do Leaf -1elementu . Dane wyjściowe Trees mogą być wektorem 1-element, gdzie jedyną wartością jest wartość decyzyjna przenoszona przez Leaf -1element . Dane wyjściowe Leaves są wektorem 0–1. Jeśli osiągnięto liść jest $i$-th (indeksowany przez $-(i+1)$, więc pierwszy liść to Leaf -1) liść w drzewie, wartość $i$-th w Leaves będzie wynosić 1, a wszystkie inne wartości to 0. Dane wyjściowe Paths to reprezentacja 0–1 węzłów przekazywanych przed dotarciem do liścia. Element $i$-th w elemecie Paths wskazuje, czy $i$-th (indeksowany przez $i$) jest dotykany.
Na przykład osiągnięcie Leaf -1 potencjalnego wyniku do wartości $[1, 1, 0, 0]$ jako .Paths Jeśli istnieje wiele drzew, ten narzędzie do szacowania po prostu łączy Treeswartości "LeavessPaths" ze wszystkich drzew (informacje o pierwszym drzewie są najpierw w wektorach połączonych).
Zapoznaj się z sekcją Zobacz również, aby uzyskać linki do przykładów użycia.
Metody
| Nazwa | Opis |
|---|---|
| Fit(IDataView) |
Utwórz obiekt, który mapuje kolumnę TreeEnsembleModelParameters o nazwie InputColumnName w |
| GetOutputSchema(SchemaShape) |
PretrainedTreeFeaturizationEstimator Dodaje trzy kolumny wektorów zmiennoprzecinkowych do |
Metody rozszerzania
| Nazwa | Opis |
|---|---|
| AppendCacheCheckpoint<TTrans>(IEstimator<TTrans>, IHostEnvironment) |
Dołącz punkt kontrolny buforowania do łańcucha narzędzia do szacowania. Zapewni to, że narzędzia do szacowania podrzędnego zostaną wytrenowane z buforowanych danych. Warto mieć punkt kontrolny buforowania, zanim trenerzy przejdą wiele danych. |
| WithOnFitDelegate<TTransformer>(IEstimator<TTransformer>, Action<TTransformer>) |
Biorąc pod uwagę narzędzie do szacowania, zwróć obiekt opakowujący, który wywoła delegata po Fit(IDataView) wywołaniu. Często ważne jest, aby narzędzie do szacowania zwracało informacje o tym, co było odpowiednie, dlatego Fit(IDataView) metoda zwraca specjalnie wpisany obiekt, a nie tylko ogólne ITransformer. Jednak w tym samym czasie IEstimator<TTransformer> są często tworzone w potoki z wieloma obiektami, więc może być konieczne utworzenie łańcucha narzędzi do szacowania za pośrednictwem EstimatorChain<TLastTransformer> miejsca, w którym narzędzie do szacowania, dla którego chcemy uzyskać transformator jest pochowany gdzieś w tym łańcuchu. W tym scenariuszu możemy za pomocą tej metody dołączyć delegata, który będzie wywoływany po wywołaniu dopasowania. |