TableFixedParameters Classe
Définition
Important
Certaines informations portent sur la préversion du produit qui est susceptible d’être en grande partie modifiée avant sa publication. Microsoft exclut toute garantie, expresse ou implicite, concernant les informations fournies ici.
Correction des paramètres d’entraînement qui ne seront pas balayés pendant l’entraînement de la table AutoML.
public class TableFixedParameterstype TableFixedParameters = classPublic Class TableFixedParameters- Héritage
-
TableFixedParameters
Constructeurs
| TableFixedParameters() |
Initialise une nouvelle instance de TableFixedParameters. |
Propriétés
| Booster |
Spécifiez le type de boosting, par exemple gbdt pour XGBoost. |
| BoostingType |
Spécifiez le type de boosting, par exemple gbdt pour LightGBM. |
| GrowPolicy |
Spécifiez la stratégie de croissance, qui contrôle la façon dont les nouveaux nœuds sont ajoutés à l’arborescence. |
| LearningRate |
Taux d’apprentissage de la procédure d’entraînement. |
| MaxBin |
Spécifiez le nombre maximal de compartiments discrets pour les fonctionnalités continues du compartiment . |
| MaxDepth |
Spécifiez la profondeur maximale pour limiter explicitement la profondeur de l’arborescence. |
| MaxLeaves |
Spécifiez le nombre maximal de feuilles pour limiter explicitement les feuilles d’arborescence. |
| MinDataInLeaf |
Nombre minimal de données par feuille. |
| MinSplitGain |
Réduction minimale des pertes requise pour créer une partition supplémentaire sur un nœud feuille de l’arborescence. |
| ModelName |
Nom du modèle à entraîner. |
| NEstimators |
Spécifiez le nombre d’arborescences (ou de rondes) dans un modèle. |
| NumLeaves |
Spécifiez le nombre de feuilles. |
| PreprocessorName |
Nom du préprocesseur à utiliser. |
| RegAlpha |
Terme de régularisation L1 sur les pondérations. |
| RegLambda |
Terme de régularisation L2 sur les pondérations. |
| Subsample |
Ratio de sous-échantillon de l’instance d’entraînement. |
| SubsampleFreq |
Fréquence du sous-échantillon. |
| TreeMethod |
Spécifiez la méthode d’arborescence. |
| WithMean |
Si la valeur est true, centrez avant de mettre à l’échelle les données avec StandardScalar. |
| WithStd |
Si la valeur est true, mettant à l’échelle les données avec la variance d’unité avec StandardScalar. |