GamBinaryTrainer.Options Classe
Definição
Importante
Algumas informações se referem a produtos de pré-lançamento que podem ser substancialmente modificados antes do lançamento. A Microsoft não oferece garantias, expressas ou implícitas, das informações aqui fornecidas.
Opções para o GamBinaryTrainer usado em Gam(Options).
public sealed class GamBinaryTrainer.Options : Microsoft.ML.Trainers.FastTree.GamTrainerBase<Microsoft.ML.Trainers.FastTree.GamBinaryTrainer.Options,Microsoft.ML.Data.BinaryPredictionTransformer<Microsoft.ML.Calibrators.CalibratedModelParametersBase<Microsoft.ML.Trainers.FastTree.GamBinaryModelParameters,Microsoft.ML.Calibrators.PlattCalibrator>>,Microsoft.ML.Calibrators.CalibratedModelParametersBase<Microsoft.ML.Trainers.FastTree.GamBinaryModelParameters,Microsoft.ML.Calibrators.PlattCalibrator>>.OptionsBasetype GamBinaryTrainer.Options = class
inherit GamTrainerBase<GamBinaryTrainer.Options, BinaryPredictionTransformer<CalibratedModelParametersBase<GamBinaryModelParameters, PlattCalibrator>>, CalibratedModelParametersBase<GamBinaryModelParameters, PlattCalibrator>>.OptionsBasePublic NotInheritable Class GamBinaryTrainer.Options
Inherits GamTrainerBase(Of GamBinaryTrainer.Options, BinaryPredictionTransformer(Of CalibratedModelParametersBase(Of GamBinaryModelParameters, PlattCalibrator)), CalibratedModelParametersBase(Of GamBinaryModelParameters, PlattCalibrator)).OptionsBase- Herança
Construtores
| GamBinaryTrainer.Options() |
Opções para o GamBinaryTrainer usado em Gam(Options). |
Campos
| DiskTranspose |
Seja para utilizar o disco ou as instalações de transposição nativas dos dados (quando aplicável) ao executar o transpose. (Herdado de GamTrainerBase<TOptions,TTransformer,TPredictor>.OptionsBase) |
| EnablePruning |
Habilite a poda de árvore pós-treinamento para evitar a sobreajuste. Ele requer um conjunto de validação. (Herdado de GamTrainerBase<TOptions,TTransformer,TPredictor>.OptionsBase) |
| EntropyCoefficient |
O coeficiente de entropia (regularização) entre 0 e 1. (Herdado de GamTrainerBase<TOptions,TTransformer,TPredictor>.OptionsBase) |
| ExampleWeightColumnName |
Coluna a ser usada, por exemplo, peso. (Herdado de TrainerInputBaseWithWeight) |
| FeatureColumnName |
Coluna a ser usada para recursos. (Herdado de TrainerInputBase) |
| FeatureFlocks |
Se deseja coletar recursos durante a preparação do conjunto de dados para acelerar o treinamento. (Herdado de GamTrainerBase<TOptions,TTransformer,TPredictor>.OptionsBase) |
| GainConfidenceLevel |
O ajuste de árvore ganha o requisito de confiança. Considere apenas um ganho se sua probabilidade versus um ganho de escolha aleatória estiver acima desse valor. (Herdado de GamTrainerBase<TOptions,TTransformer,TPredictor>.OptionsBase) |
| GetDerivativesSampleRate |
Exemplo de cada consulta 1 em k vezes na função GetDerivatives. (Herdado de GamTrainerBase<TOptions,TTransformer,TPredictor>.OptionsBase) |
| LabelColumnName |
Coluna a ser usada para rótulos. (Herdado de TrainerInputBaseWithLabel) |
| LearningRate |
A taxa de aprendizado. (Herdado de GamTrainerBase<TOptions,TTransformer,TPredictor>.OptionsBase) |
| MaximumBinCountPerFeature |
O número máximo de valores distintos (compartimentos) por recurso. (Herdado de GamTrainerBase<TOptions,TTransformer,TPredictor>.OptionsBase) |
| MaximumTreeOutput |
O limite superior no valor absoluto de uma única saída de árvore. (Herdado de GamTrainerBase<TOptions,TTransformer,TPredictor>.OptionsBase) |
| MinimumExampleCountPerLeaf |
O número mínimo de pontos de dados necessários para formar uma nova folha de árvore. (Herdado de GamTrainerBase<TOptions,TTransformer,TPredictor>.OptionsBase) |
| NumberOfIterations |
Número total de passes sobre os dados de treinamento. (Herdado de GamTrainerBase<TOptions,TTransformer,TPredictor>.OptionsBase) |
| NumberOfThreads |
O número máximo de threads. (Herdado de GamTrainerBase<TOptions,TTransformer,TPredictor>.OptionsBase) |
| Seed |
A semente do gerador de número aleatório. (Herdado de GamTrainerBase<TOptions,TTransformer,TPredictor>.OptionsBase) |
| UnbalancedSets |
Se usar derivativos otimizados para dados de treinamento desequilibrados. |