FastTreeBinaryTrainer.Options Klasse
Definition
Wichtig
Einige Informationen beziehen sich auf Vorabversionen, die vor dem Release ggf. grundlegend überarbeitet werden. Microsoft übernimmt hinsichtlich der hier bereitgestellten Informationen keine Gewährleistungen, seien sie ausdrücklich oder konkludent.
Optionen für die FastTreeBinaryTrainer wie in FastTree(Options).
public sealed class FastTreeBinaryTrainer.Options : Microsoft.ML.Trainers.FastTree.BoostedTreeOptions, Microsoft.ML.Runtime.IComponentFactory<Microsoft.ML.ITrainer>type FastTreeBinaryTrainer.Options = class
inherit BoostedTreeOptions
interface IComponentFactory<ITrainer>
interface IComponentFactoryPublic NotInheritable Class FastTreeBinaryTrainer.Options
Inherits BoostedTreeOptions
Implements IComponentFactory(Of ITrainer)- Vererbung
-
FastTreeBinaryTrainer.Options
- Implementiert
-
IComponentFactory IComponentFactory<Microsoft.ML.ITrainer>
Konstruktoren
| Name | Beschreibung |
|---|---|
| FastTreeBinaryTrainer.Options() |
Erstellen Sie ein neues FastTreeBinaryTrainer.Options Objekt mit Standardwerten. |
Felder
| Name | Beschreibung |
|---|---|
| AllowEmptyTrees |
Wenn eine Stammteilung unmöglich ist, können Sie die Schulung fortsetzen. (Geerbt von TreeOptions) |
| BaggingExampleFraction |
Prozentsatz der Schulungsbeispiele, die in jeder Tasche verwendet werden. Der Standardwert ist 0,7 (70%). (Geerbt von TreeOptions) |
| BaggingSize |
Anzahl der Bäume in jedem Beutel (0 zum Deaktivieren des Beutels). (Geerbt von TreeOptions) |
| BestStepRankingRegressionTrees |
Option für die Verwendung der besten Regressionsschrittstrukturen. (Geerbt von BoostedTreeOptions) |
| Bias |
Bias für die Berechnung des Farbverlaufs für jedes Featurecontainer für ein kategorisierendes Feature. (Geerbt von TreeOptions) |
| Bundling |
Bündeln Sie geringe Populationscontainer. Bundle.None(0): no bundling, Bundle.AggregateLowPopulation(1): Bundle low population, Bundle.Adjacent(2): Neighbor low population bundle. (Geerbt von TreeOptions) |
| CategoricalSplit |
Gibt an, ob die Aufteilung basierend auf mehreren kategorisierten Featurewerten erfolgt. (Geerbt von TreeOptions) |
| CompressEnsemble |
Komprimieren Sie das Baumensemble. (Geerbt von TreeOptions) |
| DiskTranspose |
Ob der Datenträger oder die nativen Umsetzungseinrichtungen der Daten (sofern zutreffend) bei der Durchführung der Transponierung verwendet werden sollen. (Geerbt von TreeOptions) |
| DropoutRate |
Abbruchrate für die Struktur regularisierung. (Geerbt von BoostedTreeOptions) |
| EnablePruning |
Aktivieren Sie den Nachschulungsbaumschnitt, um zu vermeiden, dass überlastend sind. Er erfordert einen Überprüfungssatz. (Geerbt von BoostedTreeOptions) |
| EntropyCoefficient |
Der Entropieteil (Normalisierung) zwischen 0 und 1. (Geerbt von TreeOptions) |
| ExampleWeightColumnName |
Spalte, die verwendet werden soll, z. B. Gewichtung. (Geerbt von TrainerInputBaseWithWeight) |
| ExecutionTime |
Aufschlüsselung der Druckausführungszeit bis zum ML.NET Kanal. (Geerbt von TreeOptions) |
| FeatureColumnName |
Spalte, die für Features verwendet werden soll. (Geerbt von TrainerInputBase) |
| FeatureFirstUsePenalty |
Das Feature verwendet zuerst den Strafkoeffizient. (Geerbt von TreeOptions) |
| FeatureFlocks |
Ob Features während der Datasetvorbereitung gesammelt werden sollen, um schulungen zu beschleunigen. (Geerbt von TreeOptions) |
| FeatureFraction |
Der Anteil der Features (zufällig ausgewählt), die für jede Iteration verwendet werden sollen. Verwenden Sie 0.9, wenn nur 90% von Features benötigt werden. Niedrigere Zahlen tragen dazu bei, die Überanpassung zu reduzieren. (Geerbt von TreeOptions) |
| FeatureFractionPerSplit |
Der Anteil der Features (zufällig ausgewählt), die für jede Aufteilung verwendet werden sollen. Wenn der Wert 0,9 ist, werden 90% aller Features erwartungswändigt. (Geerbt von TreeOptions) |
| FeatureReusePenalty |
Der Koeffizient für die erneute Verwendung von Strafen (Regularisierung). (Geerbt von TreeOptions) |
| FeatureSelectionSeed |
Der Startwert der aktiven Featureauswahl. (Geerbt von TreeOptions) |
| FilterZeroLambdas |
Filtert null Lambdas während der Schulung. (Geerbt von BoostedTreeOptions) |
| GainConfidenceLevel |
Anforderungen an die Strukturanpassung erhalten Konfidenz. Erwägen Sie nur einen Gewinn, wenn die Wahrscheinlichkeit gegenüber einem zufälligen Wahlgewinn über diesem Wert liegt. (Geerbt von TreeOptions) |
| GetDerivativesSampleRate |
Probieren Sie jede Abfrage 1 in k-Zeit in der GetDerivatives-Funktion aus. (Geerbt von BoostedTreeOptions) |
| HistogramPoolSize |
Die Anzahl der Histogramme im Pool (zwischen 2 und NumLeaves). (Geerbt von TreeOptions) |
| LabelColumnName |
Spalte, die für Bezeichnungen verwendet werden soll. (Geerbt von TrainerInputBaseWithLabel) |
| LearningRate |
Die Lernrate. (Geerbt von BoostedTreeOptions) |
| MaximumBinCountPerFeature |
Maximale Anzahl unterschiedlicher Werte (Bins) pro Feature. (Geerbt von TreeOptions) |
| MaximumCategoricalGroupCountPerNode |
Maximal kategorisierte Geteilte Gruppen, die beim Teilen auf ein kategorisierendes Feature berücksichtigt werden sollen. Geteilte Gruppen sind eine Sammlung von geteilten Punkten. Dies wird verwendet, um die Überlastung zu reduzieren, wenn viele kategorisierte Features vorhanden sind. (Geerbt von TreeOptions) |
| MaximumCategoricalSplitPointCount |
Maximale Kategorisierungspunkte, die bei der Aufteilung auf ein kategorisierendes Feature berücksichtigt werden sollen. (Geerbt von TreeOptions) |
| MaximumNumberOfLineSearchSteps |
Die Anzahl der Suchschritte nach Klammern. (Geerbt von BoostedTreeOptions) |
| MaximumTreeOutput |
Obere Grenze für den absoluten Wert einer einzelnen Strukturausgabe. (Geerbt von BoostedTreeOptions) |
| MemoryStatistics |
Drucken von Speicherstatistiken in ML.NET Kanal. (Geerbt von TreeOptions) |
| MinimumExampleCountPerLeaf |
Die minimale Anzahl von Datenpunkten, die erforderlich sind, um ein neues Baumblatt zu bilden. (Geerbt von TreeOptions) |
| MinimumExampleFractionForCategoricalSplit |
Minimale kategorisierte Beispielprozentsätze in einem Bin, die für eine Aufteilung berücksichtigt werden sollen. Der Standardwert ist 0,1% aller Schulungsbeispiele. (Geerbt von TreeOptions) |
| MinimumExamplesForCategoricalSplit |
Mindestens kategorisierte Beispielanzahl in einem Bin, die für eine Aufteilung berücksichtigt werden soll. (Geerbt von TreeOptions) |
| MinimumStepSize |
Minimale Zeilensuchschrittgröße. (Geerbt von BoostedTreeOptions) |
| NumberOfLeaves |
Die maximale Anzahl von Blättern in jeder Regressionsstruktur. (Geerbt von TreeOptions) |
| NumberOfThreads |
Die Anzahl der zu verwendenden Threads. (Geerbt von TreeOptions) |
| NumberOfTrees |
Gesamtanzahl der Entscheidungsstrukturen, die im Ensemble erstellt werden sollen. (Geerbt von TreeOptions) |
| OptimizationAlgorithm |
Optimierungsalgorithmus, der verwendet werden soll. (Geerbt von BoostedTreeOptions) |
| PruningThreshold |
Der Toleranzschwellenwert für die Beschnittung. (Geerbt von BoostedTreeOptions) |
| PruningWindowSize |
Die Größe des verschiebenden Fensters für die Beschnittung. (Geerbt von BoostedTreeOptions) |
| RandomStart |
Die Schulung beginnt mit der zufälligen Reihenfolge (bestimmt durch /r1). (Geerbt von BoostedTreeOptions) |
| RowGroupColumnName |
Spalte, die z. B. groupId verwendet werden soll. (Geerbt von TrainerInputBaseWithGroupId) |
| Seed |
Der Ausgangswert des Zufallszahlengenerators. (Geerbt von TreeOptions) |
| Shrinkage |
Verkleinern. (Geerbt von BoostedTreeOptions) |
| Smoothing |
Glättungsparameter für die Struktur regularisierung. (Geerbt von TreeOptions) |
| SoftmaxTemperature |
Die Temperatur der randomisierten Softmax-Verteilung für die Auswahl des Features. (Geerbt von TreeOptions) |
| SparsifyThreshold |
Sparsity level needed to use sparse feature representation. (Geerbt von TreeOptions) |
| TestFrequency |
Berechnen Sie Metrikwerte für train/valid/test alle k Runden. (Geerbt von TreeOptions) |
| UnbalancedSets |
Gibt an, ob Derivate verwendet werden sollen, die für unausgewogene Schulungsdaten optimiert sind. |
| UseLineSearch |
Bestimmt, ob die Zeilensuche für eine Schrittgröße verwendet werden soll. (Geerbt von BoostedTreeOptions) |
| UseTolerantPruning |
Verwenden Sie Fenster und Toleranz für die Beschnittung. (Geerbt von BoostedTreeOptions) |
| WriteLastEnsemble |
Schreiben Sie das letzte Ensemble anstelle des ensembles, das durch frühes Beenden bestimmt wurde. (Geerbt von BoostedTreeOptions) |
Eigenschaften
| Name | Beschreibung |
|---|---|
| EarlyStoppingMetric |
Früh beendete Metriken. |
| EarlyStoppingRule |
Early Stop rule used to terminate training process once meeting a specified criterion. Mögliche Auswahlmöglichkeiten sind EarlyStoppingRuleBasedie Implementierungen wie TolerantEarlyStoppingRule und GeneralityLossRule. (Geerbt von BoostedTreeOptions) |
Explizite Schnittstellenimplementierungen
| Name | Beschreibung |
|---|---|
| IComponentFactory<ITrainer>.CreateComponent(IHostEnvironment) |
Optionen für die FastTreeBinaryTrainer wie in FastTree(Options). |