TreeOptions Klasse

Optionen für Strukturtrainer.

Wenn eine Stammaufteilung nicht möglich ist, lassen Sie das Training fort.

Prozentsatz der Trainingsbeispiele, die in jeder Tasche verwendet werden. Der Standardwert ist 0,7 (70 %).

Anzahl der Strukturen in jeder Tasche (0 zum Deaktivieren des Absackens).

Bias zum Berechnen des Farbverlaufs für jeden Featurebehälter für ein kategorisches Feature.

Bündeln Sie Behälter mit geringer Anzahl. Bundle.None(0): keine Bündelung, Bundle.AggregateLowPopulation(1): Bundle low population, Bundle.Adjacent(2): Neighbor low population bundle.

Gibt an, ob eine Aufteilung basierend auf mehreren kategorischen Featurewerten durchgeführt werden soll.

Komprimieren Sie das Strukturensemble.

Gibt an, ob der Datenträger oder die nativen Umsetzungsmöglichkeiten der Daten (sofern zutreffend) verwendet werden sollen, wenn die Transponierung durchgeführt wird.

Der Entropiekoeffizienten (Regularisierung) zwischen 0 und 1.

Spalte, die als Beispielgewichtung verwendet werden soll.

Aufschlüsselung der Druckausführungszeit in ML.NET Kanal.

Spalte, die für Features verwendet werden soll.

Das Feature verwendet zuerst den Strafkoeffizienten.

Gibt an, ob Features während der Datasetvorbereitung gesammelt werden sollen, um das Training zu beschleunigen.

Der Anteil der Features (zufällig ausgewählt), die bei jeder Iteration verwendet werden sollen. Verwenden Sie 0,9, wenn nur 90 % der Features benötigt werden. Niedrigere Zahlen tragen dazu bei, die Überanpassung zu reduzieren.

Der Anteil der Features (zufällig ausgewählt), die bei jeder Aufteilung verwendet werden sollen. Wenn der Wert 0,9 ist, würden 90 % aller Features in Erwartung gelöscht.

Der Koeffizienten für die Wiederverwendung von Strafen (Regularisierung).

Der Startwert der aktiven Featureauswahl.

Strukturanpassung gewinnt Vertrauensanforderung. Berücksichtigen Sie nur einen Gewinn, wenn seine Wahrscheinlichkeit im Vergleich zu einem zufälligen Auswahlgewinn über diesem Wert liegt.

Die Anzahl der Histogramme im Pool (zwischen 2 und NumLeaves).

Spalte, die für Bezeichnungen verwendet werden soll.

Maximale Anzahl unterschiedlicher Werte (Bins) pro Feature.

Maximale kategoriebezogene Aufteilung von Gruppen, die beim Aufteilen für ein kategorisches Feature berücksichtigt werden müssen. Geteilte Gruppen sind eine Sammlung von geteilten Punkten. Dies wird verwendet, um die Überanpassung zu reduzieren, wenn viele kategorische Features vorhanden sind.

Maximal zu berücksichtigende kategorische Teilungspunkte bei der Aufteilung für ein kategorisches Feature.

Drucken von Speicherstatistiken in ML.NET Kanal.

Die minimale Anzahl von Datenpunkten, die zum Bilden eines neuen Strukturblatts erforderlich sind.

Minimaler kategorischer Beispielprozentsatz in einem Behälter, der für eine Aufteilung berücksichtigt werden soll. Der Standardwert ist 0,1 % aller Trainingsbeispiele.

Minimale kategorische Beispielanzahl in einem Behälter, der für eine Aufteilung berücksichtigt werden soll.

Die maximale Anzahl von Blättern in jeder Regressionsstruktur.

Die Anzahl der zu verwendenden Threads.

Gesamtanzahl der Entscheidungsstrukturen, die im Ensemble erstellt werden sollen.

Zu verwendende Spalte, z. B. groupId.

Der Startwert des Zufallszahlengenerators.

Glättungsparameter für die Regularisierung der Struktur.

Die Temperatur der randomisierten Softmax-Verteilung für die Auswahl des Features.

Sparsity level erforderlich, um die Darstellung von Sparsefeatures zu verwenden.

Berechnen Sie Metrikwerte für train/valid/test every k rounds.