Microsoft.ML.Trainers.FastTree Namespace

Optionen zum Erhöhen von Baumtrainern.

Namespace mit Trainern, Modellparametern und Dienstprogrammen für Fast Tree-Algorithmen.

Aufeinanderfolgender Verlust in Generalität (UP).

Namespace mit Trainern, Modellparametern und Dienstprogrammen für Fast Tree-Algorithmen.

Frühstoppregel, die zum Beenden des Schulungsvorgangs verwendet wird, sobald ein angegebenes Kriterium erfüllt ist. Wird für die Einstellung EarlyStoppingRuleEarlyStoppingRuleverwendet.

A IEstimator<TTransformer> to transform input feature vector to tree-based features.

Optionen für die FastForestBinaryFeaturizationEstimator.

Modellparameter für FastForestBinaryTrainer.

Schulung IEstimator<TTransformer> eines binären Klassifizierungsmodells für Entscheidungsstruktur mithilfe von Fast Forest.

Optionen für die FastForestBinaryTrainer in FastForest(Options) verwendeten Optionen.

Basisklasse für schnelle Gesamtstruktur-Traineroptionen.

A IEstimator<TTransformer> to transform input feature vector to tree-based features.

Optionen für die FastForestRegressionFeaturizationEstimator.

Modellparameter für FastForestRegressionTrainer.

Schulung IEstimator<TTransformer> eines Regressionsmodells zur Entscheidungsstruktur mithilfe von Fast Forest.

Optionen für die FastForestRegressionTrainer in FastForest(Options) verwendeten Optionen.

A IEstimator<TTransformer> to transform input feature vector to tree-based features.

Optionen für die FastTreeBinaryFeaturizationEstimator.

Modellparameter für FastTreeBinaryTrainer.

Schulung IEstimator<TTransformer> eines binären Klassifizierungsmodells für entscheidungsstrukturieren mithilfe von FastTree.

Optionen für die FastTreeBinaryTrainer in FastTree(Options) verwendeten Optionen.

A IEstimator<TTransformer> to transform input feature vector to tree-based features.

Optionen für die FastTreeRankingFeaturizationEstimator.

Modellparameter für FastTreeRankingTrainer.

Die IEstimator<TTransformer> Schulung eines Entscheidungsstrukturbewertungsmodells mithilfe von FastTree.

Optionen für die FastTreeRankingTrainer in FastTree(Options) verwendeten Optionen.

A IEstimator<TTransformer> to transform input feature vector to tree-based features.

Optionen für die FastTreeRegressionFeaturizationEstimator.

Modellparameter für FastForestRegressionTrainer.

Die IEstimator<TTransformer> schulung eines Entscheidungsstruktur-Regressionsmodells mithilfe von FastTree.

Optionen für die FastTreeRegressionTrainer in FastTree(Options) verwendeten Optionen.

Namespace mit Trainern, Modellparametern und Dienstprogrammen für Fast Tree-Algorithmen.

A IEstimator<TTransformer> to transform input feature vector to tree-based features.

Optionen für die FastTreeTweedieFeaturizationEstimator.

Modellparameter für FastTreeTweedieTrainer.

Schulung IEstimator<TTransformer> eines Regressionsmodells für die Entscheidungsstruktur mithilfe der Tweedie-Verlustfunktion. Dieser Trainer ist eine Generalisierung von Poisson, zusammengesetztem Poisson und Gamma-Regression.

Optionen für die FastTreeTweedieTrainer in FastTreeTweedie(Options) verwendeten Optionen.

Modellparameter für GamBinaryTrainer.

Schulung IEstimator<TTransformer> eines binärklassifizierungsmodells mit generalisierten additiven Modellen (GAM).

Optionen für die GamBinaryTrainer in Gam(Options) verwendeten Optionen.

Die Basisklasse für GAM-Modellparameter.

Modellparameter für GamRegressionTrainer.

Schulung IEstimator<TTransformer> eines Regressionsmodells mit generalisierten additiven Modellen (GAM).

Optionen für die GamRegressionTrainer in Gam(Options) verwendeten Optionen.

Basisklasse für GAM-basierte Traineroptionen.

Basisklasse für GAM-Trainer.

Verlust der Generalität (GL).

Generality to Progress Ratio (PQ).

Niedriger Fortschritt (LP). Diese Regel wird ausgelöst, wenn die Verbesserungen auf dem Bewertungsstand angezeigt werden.

Namespace mit Trainern, Modellparametern und Dienstprogrammen für Fast Tree-Algorithmen.

Eine IEstimator<TTransformer> , die ein vortrainiertes TreeEnsembleModelParameters und aufrufende Fit(IDataView) Element enthält, erzeugt einen Featurierer basierend auf dem vortrainierten Modell.

PretrainedTreeFeaturizationEstimator.Options von PretrainedTreeFeaturizationEstimator wie beim Aufrufen FeaturizeByPretrainTreeEnsemble(TransformsCatalog, PretrainedTreeFeaturizationEstimator+Options)verwendet.

Eine Containerklasse zum Exposieren Microsoft.ML.Trainers.FastTree.InternalQuantileRegressionTreevon Attributen für Benutzer. Diese Klasse sollte nicht stummgeschaltet werden, sodass sie viele schreibgeschützte Member enthält. Zusätzlich zu den von uns geerbten RegressionTreeBaseElementen fügen wir Schulungsbezeichnungen (unterbeispielierte) Schulungsbezeichnungen hinzu GetLeafSamplesAt(Int32) , GetLeafSampleWeightsAt(Int32) die in das Blattindex-th-Blatt und ihre Gewichte fallen.

Namespace mit Trainern, Modellparametern und Dienstprogrammen für Fast Tree-Algorithmen.

Namespace mit Trainern, Modellparametern und Dienstprogrammen für Fast Tree-Algorithmen.

Eine Containerklasse zum Exposieren Microsoft.ML.Trainers.FastTree.InternalRegressionTreevon Attributen für Benutzer. Diese Klasse sollte nicht stummgeschaltet werden, sodass sie viele schreibgeschützte Member enthält. Beachten Sie, dass dies identisch ist, RegressionTreeRegressionTreeBase aber in einer anderen abgeleiteten Klasse QuantileRegressionTree werden einige Attribute hinzugefügt.

Eine Containerbasisklasse zum Bereitstellen Microsoft.ML.Trainers.FastTree.InternalRegressionTreevon Attributen und Microsoft.ML.Trainers.FastTree.InternalQuantileRegressionTreeAttributen für Benutzer. Diese Klasse sollte nicht stummgeschaltet werden, sodass sie viele schreibgeschützte Member enthält.

Namespace mit Trainern, Modellparametern und Dienstprogrammen für Fast Tree-Algorithmen.

Namespace mit Trainern, Modellparametern und Dienstprogrammen für Fast Tree-Algorithmen.

Eine Liste der RegressionTreeBaseabgeleiteten Klasse. Um den Ausgabewert eines Werts TreeEnsemble<T>zu berechnen, müssen wir die Ausgabewerte aller Bäume berechnen Trees, diese Werte über TreeWeightsskalieren und schließlich die skalierten Werte und Bias aufwärts summieren.

Diese Klasse kapselt das allgemeine Verhalten aller strukturbasierten Featurizer wie , FastTreeBinaryFeaturizationEstimator, FastForestBinaryFeaturizationEstimatorFastTreeRegressionFeaturizationEstimator, FastForestRegressionFeaturizationEstimator, und PretrainedTreeFeaturizationEstimator. Alle strukturbasierten Featurizer teilen das gleiche Ausgabeschema, das von GetOutputSchema(SchemaShape). Für alle strukturbasierten Featurizer ist ein Eingabefeaturespaltenname und ein Suffix für alle Ausgabespalten erforderlich. Der ITransformer zurückgegebene Wert Fit(IDataView) erzeugt drei Spalten: (1) die Vorhersagewerte aller Bäume, (2) die IDs der Eingabefeatures, die in den Eingabefeaturevektor fallen, und (3) den binären Vektor, der die Pfade für diese Zielblätter codiert.

Die allgemeinen Optionen von strukturbasierten Featurisierungen wie , FastTreeBinaryFeaturizationEstimator, FastForestBinaryFeaturizationEstimatorFastTreeRegressionFeaturizationEstimator, , FastForestRegressionFeaturizationEstimatorund PretrainedTreeFeaturizationEstimator.

ITransformer aus der Anpassung einer abgeleiteten Klasse von TreeEnsembleFeaturizationEstimatorBase. Die abgeleiteten Klassen umfassen z. B FastTreeBinaryFeaturizationEstimator . und FastForestRegressionFeaturizationEstimator.

Namespace mit Trainern, Modellparametern und Dienstprogrammen für Fast Tree-Algorithmen.

TreeEnsembleModelParametersBasedOnQuantileRegressionTree wird aus TreeEnsembleModelParameters einem stark typierten öffentlichen Attribut abgeleitet, TrainedTreeEnsembleum die Details des trainierten Modells für Benutzer verfügbar zu machen. Seine Funktion, Microsoft.ML.Trainers.FastTree.TreeEnsembleModelParametersBasedOnQuantileRegressionTree.CreateTreeEnsembleFromInternalDataStructurewird aufgerufen, um innerhalb TreeEnsembleModelParameterszu erstellenTrainedTreeEnsemble. Beachten Sie, dass der Hauptunterschied zwischen TreeEnsembleModelParametersBasedOnQuantileRegressionTree und TreeEnsembleModelParametersBasedOnRegressionTree der Typ von TrainedTreeEnsemble.

TreeEnsembleModelParametersBasedOnRegressionTree wird aus TreeEnsembleModelParameters einem stark typierten öffentlichen Attribut abgeleitet, TrainedTreeEnsembleum die Details des trainierten Modells für Benutzer verfügbar zu machen. Seine Funktion, Microsoft.ML.Trainers.FastTree.TreeEnsembleModelParametersBasedOnRegressionTree.CreateTreeEnsembleFromInternalDataStructurewird aufgerufen, um innerhalb TreeEnsembleModelParameterszu erstellenTrainedTreeEnsemble. Beachten Sie, dass der Hauptunterschied zwischen TreeEnsembleModelParametersBasedOnQuantileRegressionTree und TreeEnsembleModelParametersBasedOnRegressionTree der Typ von TrainedTreeEnsemble.

Optionen für Baumtrainer.

Arten von Optimierungsalgorithmen.

Namespace mit Trainern, Modellparametern und Dienstprogrammen für Fast Tree-Algorithmen.

Beenden von Messungen für Klassifizierung und Regression.

Stoppmessungen für die Rangfolge.