BoostedTreeOptions 類別
定義
重要
部分資訊涉及發行前產品，在發行之前可能會有大幅修改。 Microsoft 對此處提供的資訊，不做任何明確或隱含的瑕疵擔保。
提升樹系訓練家的選項。
public abstract class BoostedTreeOptions : Microsoft.ML.Trainers.FastTree.TreeOptionstype BoostedTreeOptions = class
inherit TreeOptionsPublic MustInherit Class BoostedTreeOptions
Inherits TreeOptions- 繼承
- 衍生
建構函式
| 名稱 | Description |
|---|---|
| BoostedTreeOptions() |
提升樹系訓練家的選項。 |
欄位
| 名稱 | Description |
|---|---|
| AllowEmptyTrees |
當無法斷根時，允許訓練繼續進行。 (繼承來源 TreeOptions) |
| BaggingExampleFraction |
每個袋子中使用的訓練範例比例。 預設值為 0.7（70%）。 (繼承來源 TreeOptions) |
| BaggingSize |
每個袋子裡的樹數量（禁用袋裝時為0棵）。 (繼承來源 TreeOptions) |
| BestStepRankingRegressionTrees |
使用最佳迴歸階梯樹的選項。 |
| Bias |
對於每個特徵箱的梯度計算偏差，針對類別特徵。 (繼承來源 TreeOptions) |
| Bundling |
把低人口箱子打包。Bundle.None（0）：無捆綁，Bundle.AggregateLowPopulation（1）：叢聚低人口，Bundle.Adjacent（2）：鄰近低人口叢。 (繼承來源 TreeOptions) |
| CategoricalSplit |
是否要根據多個類別特徵值來拆分。 (繼承來源 TreeOptions) |
| CompressEnsemble |
壓縮樹群。 (繼承來源 TreeOptions) |
| DiskTranspose |
執行轉調時，是利用磁碟本身還是資料本身的原生轉位功能（如適用）。 (繼承來源 TreeOptions) |
| DropoutRate |
樹木正則化的退出率。 |
| EnablePruning |
啟用訓練後的樹枝修剪，以避免過度擬合。 它需要一個驗證集。 |
| EntropyCoefficient |
熵（正則化）係數介於0到1之間。 (繼承來源 TreeOptions) |
| ExampleWeightColumnName |
例如，用欄位來表示重量。 (繼承來源 TrainerInputBaseWithWeight) |
| ExecutionTime |
列印執行時間分解到 ML.NET 通道。 (繼承來源 TreeOptions) |
| FeatureColumnName |
欄位用於特徵。 (繼承來源 TrainerInputBase) |
| FeatureFirstUsePenalty |
該特徵首先使用懲罰係數。 (繼承來源 TreeOptions) |
| FeatureFlocks |
是否在資料集準備時將特徵集體化以加快訓練。 (繼承來源 TreeOptions) |
| FeatureFraction |
每次迭代中隨機選擇的特徵比例。 如果只需要 90% 的功能，就用 0.9。 較低的數值有助於減少過度擬合。 (繼承來源 TreeOptions) |
| FeatureFractionPerSplit |
每次分割時隨機選擇的特徵比例。 如果它的值是 0.9，預期中會有 90% 的特徵被剔除。 (繼承來源 TreeOptions) |
| FeatureReusePenalty |
特徵重複使用懲罰（正則化）係數。 (繼承來源 TreeOptions) |
| FeatureSelectionSeed |
主動功能選擇的種子。 (繼承來源 TreeOptions) |
| FilterZeroLambdas |
訓練時不要過濾任何 lambda。 |
| GainConfidenceLevel |
樹苗調整需要建立信心。 只有當其與隨機選擇的增益概率高於此值時，才考慮該增益。 (繼承來源 TreeOptions) |
| GetDerivativesSampleRate |
在 GetDerivatives 函式中，每個查詢取樣 k 次。 |
| HistogramPoolSize |
池中直方圖的數量（介於 2 到 numLeaves）。 (繼承來源 TreeOptions) |
| LabelColumnName |
欄位用於標籤。 (繼承來源 TrainerInputBaseWithLabel) |
| LearningRate |
學習速度。 |
| MaximumBinCountPerFeature |
每個特徵最大可識別不同值（bin）數量。 (繼承來源 TreeOptions) |
| MaximumCategoricalGroupCountPerNode |
在對類別特徵進行分割時，需考慮的最大類別分裂群。 分裂群是由分裂點組成的集合。 當有許多範疇特徵時，這用於減少過度擬合。 (繼承來源 TreeOptions) |
| MaximumCategoricalSplitPointCount |
在對類別特徵進行分裂時，需考慮的最大類別分裂點。 (繼承來源 TreeOptions) |
| MaximumNumberOfLineSearchSteps |
括號後搜尋步驟數。 |
| MaximumTreeOutput |
單一樹輸出的絕對值上限。 |
| MemoryStatistics |
將記憶體統計資料列印到 ML.NET 通道。 (繼承來源 TreeOptions) |
| MinimumExampleCountPerLeaf |
形成新樹葉所需的最小數據點數。 (繼承來源 TreeOptions) |
| MinimumExampleFractionForCategoricalSplit |
拆分時考慮的最低類別範例百分比。 預設是所有訓練範例的 0.1%。 (繼承來源 TreeOptions) |
| MinimumExamplesForCategoricalSplit |
拆分時，最低類別範例數。 (繼承來源 TreeOptions) |
| MinimumStepSize |
最小行搜尋步長。 |
| NumberOfLeaves |
每棵迴歸樹中最大葉子數。 (繼承來源 TreeOptions) |
| NumberOfThreads |
要用的線程數量。 (繼承來源 TreeOptions) |
| NumberOfTrees |
集合中需建立的決策樹總數。 (繼承來源 TreeOptions) |
| OptimizationAlgorithm |
將使用優化演算法。 |
| PruningThreshold |
修剪的耐受閾值。 |
| PruningWindowSize |
修剪時的移動視窗尺寸。 |
| RandomStart |
訓練從隨機排序開始（由 /r1 決定）。 |
| RowGroupColumnName |
欄位可以用，例如 groupId。 (繼承來源 TrainerInputBaseWithGroupId) |
| Seed |
隨機數產生器的種子。 (繼承來源 TreeOptions) |
| Shrinkage |
縮水。 |
| Smoothing |
樹正則化的平滑參數。 (繼承來源 TreeOptions) |
| SoftmaxTemperature |
隨機軟最大分布的溫度用於選擇特徵。 (繼承來源 TreeOptions) |
| SparsifyThreshold |
需要稀疏程度才能使用稀疏特徵表示。 (繼承來源 TreeOptions) |
| TestFrequency |
每 k 發彈藥計算訓練/有效/測試的指標值。 (繼承來源 TreeOptions) |
| UseLineSearch |
決定是否使用行搜尋來計算步長。 |
| UseTolerantPruning |
修剪時使用窗戶和容忍度。 |
| WriteLastEnsemble |
寫最後一個合奏，而不是早停決定的那個。 |
屬性
| 名稱 | Description |
|---|---|
| EarlyStoppingRule |
早期停止規則用於在達到指定標準後終止訓練流程。 可能的選擇包括 EarlyStoppingRuleBase的實作，如 TolerantEarlyStoppingRule 和 GeneralityLossRule。 |