FastTreeTweedieTrainer 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> do trenowania modelu regresji drzewa decyzyjnego przy użyciu funkcji utraty Tweedie. Ten trener jest uogólnienie Poissona, związku Poissona i regresji gamma.
public sealed class FastTreeTweedieTrainer : Microsoft.ML.Trainers.FastTree.BoostingFastTreeTrainerBase<Microsoft.ML.Trainers.FastTree.FastTreeTweedieTrainer.Options,Microsoft.ML.Data.RegressionPredictionTransformer<Microsoft.ML.Trainers.FastTree.FastTreeTweedieModelParameters>,Microsoft.ML.Trainers.FastTree.FastTreeTweedieModelParameters>type FastTreeTweedieTrainer = class
inherit BoostingFastTreeTrainerBase<FastTreeTweedieTrainer.Options, RegressionPredictionTransformer<FastTreeTweedieModelParameters>, FastTreeTweedieModelParameters>Public NotInheritable Class FastTreeTweedieTrainer
Inherits BoostingFastTreeTrainerBase(Of FastTreeTweedieTrainer.Options, RegressionPredictionTransformer(Of FastTreeTweedieModelParameters), FastTreeTweedieModelParameters)- Dziedziczenie
Uwagi
Aby utworzyć tego trenera, użyj polecenia FastTreeTweedie lub FastTreeTweedie(Options).
Kolumny wejściowe i wyjściowe
Dane kolumny etykiety wejściowej muszą być Single. Dane kolumn funkcji wejściowych muszą być znanym wektorem o rozmiarze Single.
Ten trener zwraca następujące kolumny:
| Nazwa kolumny wyjściowej | Typ kolumny | Description |
|---|---|---|
Score |
Single | Niezwiązany wynik przewidywany przez model. |
Cechy trenera
| Zadanie uczenia maszynowego | Regression |
| Czy normalizacja jest wymagana? | No |
| Czy buforowanie jest wymagane? | No |
| Wymagane narzędzie NuGet oprócz Microsoft.ML | Microsoft.ML.FastTree |
| Możliwość eksportowania do ONNX | Yes |
Szczegóły algorytmu trenowania
Model wzmacniania Tweedie jest zgodny z matematyką ustanowioną w przewidywaniu ubezpieczeń premium za pośrednictwem gradientu Tree-Boosted Tweedie Compound Poisson Models from Yang, Quan i Zou. Aby zapoznać się z wprowadzeniem do wzmacniania gradientu i więcej informacji, zobacz : Wikipedia: Gradient boosting(Gradient tree boosting) lub Greedy function przybliżenie: Maszyna zwiększająca gradient.
Zapoznaj się z sekcją Zobacz również, aby uzyskać linki do przykładów użycia.
Pola
| Nazwa | Opis |
|---|---|
| FeatureColumn |
Kolumna funkcji, której oczekuje trener. (Odziedziczone po TrainerEstimatorBase<TTransformer,TModel>) |
| GroupIdColumn |
Opcjonalna kolumna groupID oczekiwana przez trenerów klasyfikacji. (Odziedziczone po TrainerEstimatorBaseWithGroupId<TTransformer,TModel>) |
| LabelColumn |
Kolumna etykiety oczekiwana przez trenera. Może to być |
| WeightColumn |
Kolumna wagi oczekiwana przez trenera. Może to być |
Właściwości
| Nazwa | Opis |
|---|---|
| Info |
Element IEstimator<TTransformer> do trenowania modelu regresji drzewa decyzyjnego przy użyciu funkcji utraty Tweedie. Ten trener jest uogólnienie Poissona, związku Poissona i regresji gamma. (Odziedziczone po FastTreeTrainerBase<TOptions,TTransformer,TModel>) |
Metody
| Nazwa | Opis |
|---|---|
| Fit(IDataView, IDataView) |
Trenuje FastTreeTweedieTrainer przy użyciu zarówno danych szkoleniowych, jak i weryfikacyjnych, zwraca wartość RegressionPredictionTransformer<TModel>. |
| Fit(IDataView) |
Trenuje i zwraca wartość ITransformer. (Odziedziczone po TrainerEstimatorBase<TTransformer,TModel>) |
| GetOutputSchema(SchemaShape) |
Element IEstimator<TTransformer> do trenowania modelu regresji drzewa decyzyjnego przy użyciu funkcji utraty Tweedie. Ten trener jest uogólnienie Poissona, związku Poissona i regresji gamma. (Odziedziczone po TrainerEstimatorBase<TTransformer,TModel>) |
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. |