Microsoft.ML.Trainers.FastTree Przestrzeń nazw

Opcje zwiększania trenerów drzew.

Przestrzeń nazw zawierająca trenerów, parametry modelu i narzędzia dla algorytmów szybkiego drzewa.

Kolejna utrata w warstwie Generality (UP).

Przestrzeń nazw zawierająca trenerów, parametry modelu i narzędzia dla algorytmów szybkiego drzewa.

Reguła wczesnego zatrzymywania używana do zakończenia procesu trenowania po spełnieniu określonego kryterium. Służy do ustawiania elementu EarlyStoppingRuleEarlyStoppingRule.

Element IEstimator<TTransformer> umożliwiający przekształcenie wektora cech wejściowych na funkcje oparte na drzewie.

Opcje FastForestBinaryFeaturizationEstimator.

Parametry modelu dla elementu FastForestBinaryTrainer.

Element IEstimator<TTransformer> do trenowania modelu klasyfikacji binarnej drzewa decyzyjnego przy użyciu szybkiego lasu.

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

Klasa bazowa dla opcji szybkiego trenera lasu.

Element IEstimator<TTransformer> umożliwiający przekształcenie wektora cech wejściowych na funkcje oparte na drzewie.

Opcje FastForestRegressionFeaturizationEstimator.

Parametry modelu dla elementu FastForestRegressionTrainer.

Element IEstimator<TTransformer> do trenowania modelu regresji drzewa decyzyjnego przy użyciu szybkiego lasu.

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

Element IEstimator<TTransformer> umożliwiający przekształcenie wektora cech wejściowych na funkcje oparte na drzewie.

Opcje FastTreeBinaryFeaturizationEstimator.

Parametry modelu dla elementu FastTreeBinaryTrainer.

Element IEstimator<TTransformer> do trenowania modelu klasyfikacji binarnej drzewa decyzyjnego przy użyciu usługi FastTree.

Opcje dla FastTreeBinaryTrainer elementu używanego w funkcji FastTree(Opcje).

Element IEstimator<TTransformer> umożliwiający przekształcenie wektora cech wejściowych na funkcje oparte na drzewie.

Opcje FastTreeRankingFeaturizationEstimator.

Parametry modelu dla elementu FastTreeRankingTrainer.

Element IEstimator<TTransformer> do trenowania modelu klasyfikacji drzewa decyzyjnego przy użyciu usługi FastTree.

Opcje dla FastTreeRankingTrainer elementu używanego w funkcji FastTree(Opcje).

Element IEstimator<TTransformer> umożliwiający przekształcenie wektora cech wejściowych na funkcje oparte na drzewie.

Opcje FastTreeRegressionFeaturizationEstimator.

Parametry modelu dla elementu FastForestRegressionTrainer.

Element IEstimator<TTransformer> do trenowania modelu regresji drzewa decyzyjnego przy użyciu usługi FastTree.

Opcje dla FastTreeRegressionTrainer elementu używanego w funkcji FastTree(Opcje).

Przestrzeń nazw zawierająca trenerów, parametry modelu i narzędzia dla algorytmów szybkiego drzewa.

Element IEstimator<TTransformer> umożliwiający przekształcenie wektora cech wejściowych na funkcje oparte na drzewie.

Opcje FastTreeTweedieFeaturizationEstimator.

Parametry modelu dla elementu FastTreeTweedieTrainer.

Element IEstimator<TTransformer> do trenowania modelu regresji drzewa decyzyjnego przy użyciu funkcji utraty Tweedie. Ten trener jest uogólnienie Poissona, związku Poissona i regresji gamma.

Opcje używane FastTreeTweedieTrainer w funkcji FastTreeTweedie(Options).

Parametry modelu dla elementu GamBinaryTrainer.

Element IEstimator<TTransformer> do trenowania modelu klasyfikacji binarnej za pomocą uogólnionych modeli addytywnego (GAM).

Opcje dla GamBinaryTrainer elementu używanego w gam(Opcje).

Klasa bazowa parametrów modelu GAM.

Parametry modelu dla elementu GamRegressionTrainer.

Element IEstimator<TTransformer> do trenowania modelu regresji za pomocą uogólnionych modeli addytywnego (GAM).

Opcje dla GamRegressionTrainer elementu używanego w gam(Opcje).

Klasa bazowa dla opcji trenera opartego na gamie.

Klasa bazowa dla trenerów GAM.

Utrata ogólnej wartości (GL).

Generality to Progress Ratio (PQ).

Niski postęp (LP). Ta reguła jest uruchamiana, gdy ulepszenia w martwym punkcie wyników.

Przestrzeń nazw zawierająca trenerów, parametry modelu i narzędzia dla algorytmów szybkiego drzewa.

Element IEstimator<TTransformer> zawierający wstępnie wytrenowany TreeEnsembleModelParameters i wywołujący go Fit(IDataView) tworzy cechę opartą na wstępnie wytrenowanym modelu.

PretrainedTreeFeaturizationEstimator.Options wartości używanej PretrainedTreeFeaturizationEstimator podczas wywoływania metody FeaturizeByPretrainTreeEnsemble(TransformsCatalog, PretrainedTreeFeaturizationEstimator+Options).

Klasa kontenera do uwidaczniania Microsoft.ML.Trainers.FastTree.InternalQuantileRegressionTreeatrybutów użytkownikom. Ta klasa nie powinna być modyfikowalna, więc zawiera wiele elementów członkowskich tylko do odczytu. Oprócz elementów dziedziczonych z RegressionTreeBaseklasy dodamy GetLeafSamplesAt(Int32) i GetLeafSampleWeightsAt(Int32) uwidocznimy (pod próbkowane) etykiety treningowe wchodzące w liść LeafIndex-th i ich wagi.

Przestrzeń nazw zawierająca trenerów, parametry modelu i narzędzia dla algorytmów szybkiego drzewa.

Przestrzeń nazw zawierająca trenerów, parametry modelu i narzędzia dla algorytmów szybkiego drzewa.

Klasa kontenera do uwidaczniania Microsoft.ML.Trainers.FastTree.InternalRegressionTreeatrybutów użytkownikom. Ta klasa nie powinna być modyfikowalna, więc zawiera wiele elementów członkowskich tylko do odczytu. Należy pamiętać, że jest to identyczne, RegressionTreeRegressionTreeBase ale w innej klasie QuantileRegressionTree pochodnej dodawane są pewne atrybuty.

Klasa bazowa kontenera do uwidaczniania Microsoft.ML.Trainers.FastTree.InternalRegressionTreeatrybutów i Microsoft.ML.Trainers.FastTree.InternalQuantileRegressionTreedla użytkowników. Ta klasa nie powinna być modyfikowalna, więc zawiera wiele elementów członkowskich tylko do odczytu.

Przestrzeń nazw zawierająca trenerów, parametry modelu i narzędzia dla algorytmów szybkiego drzewa.

Przestrzeń nazw zawierająca trenerów, parametry modelu i narzędzia dla algorytmów szybkiego drzewa.

Lista klasy pochodnej RegressionTreeBase. Aby obliczyć wartość wyjściową TreeEnsemble<T>elementu , musimy obliczyć wartości wyjściowe wszystkich drzew w Treesobiekcie , przeskalować te wartości za pomocą TreeWeightsmetody , a na koniec zsumować skalowane wartości i Bias w górę.

Ta klasa hermetyzuje typowe zachowanie wszystkich cech opartych na drzewach, takich jak FastTreeBinaryFeaturizationEstimator, , FastForestBinaryFeaturizationEstimatorFastTreeRegressionFeaturizationEstimator, FastForestRegressionFeaturizationEstimator, i PretrainedTreeFeaturizationEstimator. Wszystkie jednostki cechowe oparte na drzewach współdzielą ten sam schemat wyjściowy obliczony przez GetOutputSchema(SchemaShape)program . Wszystkie cechy oparte na drzewach wymagają nazwy kolumny funkcji wejściowej i sufiksu dla wszystkich kolumn wyjściowych. Zwrócony ITransformer przez Fit(IDataView) program tworzy trzy kolumny: (1) wartości przewidywania wszystkich drzew, (2) identyfikatory opuszczają wektor funkcji wejściowej wchodzący do i (3) wektor binarny, który koduje ścieżki do tych liści docelowych.

Typowe opcje cech opartych na drzewach, takich jak FastTreeBinaryFeaturizationEstimator, , FastForestBinaryFeaturizationEstimatorFastTreeRegressionFeaturizationEstimator, FastForestRegressionFeaturizationEstimator, i PretrainedTreeFeaturizationEstimator.

ITransformer wynikające z dopasowania dowolnej klasy pochodnej klasy TreeEnsembleFeaturizationEstimatorBase. Klasy pochodne obejmują na przykład FastTreeBinaryFeaturizationEstimator i FastForestRegressionFeaturizationEstimator.

Przestrzeń nazw zawierająca trenerów, parametry modelu i narzędzia dla algorytmów szybkiego drzewa.

TreeEnsembleModelParametersBasedOnQuantileRegressionTree pochodzi z TreeEnsembleModelParameters atrybutu plus silnie typizowanego atrybutu publicznego , TrainedTreeEnsemblew celu uwidaczniania szczegółowych informacji wytrenowanego modelu dla użytkowników. Jej funkcja , Microsoft.ML.Trainers.FastTree.TreeEnsembleModelParametersBasedOnQuantileRegressionTree.CreateTreeEnsembleFromInternalDataStructurejest wywoływana w celu utworzenia TrainedTreeEnsemble wewnątrz TreeEnsembleModelParameterselementu . Należy pamiętać, że główna różnica między elementami TreeEnsembleModelParametersBasedOnQuantileRegressionTree i TreeEnsembleModelParametersBasedOnRegressionTree jest typem TrainedTreeEnsemble.

TreeEnsembleModelParametersBasedOnRegressionTree pochodzi z TreeEnsembleModelParameters atrybutu plus silnie typizowanego atrybutu publicznego , TrainedTreeEnsemblew celu uwidaczniania szczegółowych informacji wytrenowanego modelu dla użytkowników. Jej funkcja , Microsoft.ML.Trainers.FastTree.TreeEnsembleModelParametersBasedOnRegressionTree.CreateTreeEnsembleFromInternalDataStructurejest wywoływana w celu utworzenia TrainedTreeEnsemble wewnątrz TreeEnsembleModelParameterselementu . Należy pamiętać, że główna różnica między elementami TreeEnsembleModelParametersBasedOnQuantileRegressionTree i TreeEnsembleModelParametersBasedOnRegressionTree jest typem TrainedTreeEnsemble.

Opcje dla trenerów drzew.

Typy algorytmów optymalizacji.

Przestrzeń nazw zawierająca trenerów, parametry modelu i narzędzia dla algorytmów szybkiego drzewa.

Zatrzymywanie pomiarów klasyfikacji i regresji.

Zatrzymywanie pomiarów na potrzeby klasyfikacji.