TreeOptions 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 Baumtrainer.
public abstract class TreeOptions : Microsoft.ML.Trainers.TrainerInputBaseWithGroupIdtype TreeOptions = class
inherit TrainerInputBaseWithGroupIdPublic MustInherit Class TreeOptions
Inherits TrainerInputBaseWithGroupId- Vererbung
- Abgeleitet
Konstruktoren
| Name | Beschreibung |
|---|---|
| TreeOptions() |
Optionen für Baumtrainer. |
Felder
| Name | Beschreibung |
|---|---|
| AllowEmptyTrees |
Wenn eine Stammteilung unmöglich ist, können Sie die Schulung fortsetzen. |
| BaggingExampleFraction |
Prozentsatz der Schulungsbeispiele, die in jeder Tasche verwendet werden. Der Standardwert ist 0,7 (70%). |
| BaggingSize |
Anzahl der Bäume in jedem Beutel (0 zum Deaktivieren des Beutels). |
| Bias |
Bias für die Berechnung des Farbverlaufs für jedes Featurecontainer für ein kategorisierendes Feature. |
| Bundling |
Bündeln Sie geringe Populationscontainer. Bundle.None(0): no bundling, Bundle.AggregateLowPopulation(1): Bundle low population, Bundle.Adjacent(2): Neighbor low population bundle. |
| CategoricalSplit |
Gibt an, ob die Aufteilung basierend auf mehreren kategorisierten Featurewerten erfolgt. |
| CompressEnsemble |
Komprimieren Sie das Baumensemble. |
| DiskTranspose |
Ob der Datenträger oder die nativen Umsetzungseinrichtungen der Daten (sofern zutreffend) bei der Durchführung der Transponierung verwendet werden sollen. |
| EntropyCoefficient |
Der Entropieteil (Normalisierung) zwischen 0 und 1. |
| ExampleWeightColumnName |
Spalte, die verwendet werden soll, z. B. Gewichtung. (Geerbt von TrainerInputBaseWithWeight) |
| ExecutionTime |
Aufschlüsselung der Druckausführungszeit bis zum ML.NET Kanal. |
| FeatureColumnName |
Spalte, die für Features verwendet werden soll. (Geerbt von TrainerInputBase) |
| FeatureFirstUsePenalty |
Das Feature verwendet zuerst den Strafkoeffizient. |
| FeatureFlocks |
Ob Features während der Datasetvorbereitung gesammelt werden sollen, um schulungen zu beschleunigen. |
| 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. |
| 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. |
| FeatureReusePenalty |
Der Koeffizient für die erneute Verwendung von Strafen (Regularisierung). |
| FeatureSelectionSeed |
Der Startwert der aktiven Featureauswahl. |
| GainConfidenceLevel |
Anforderungen an die Strukturanpassung erhalten Konfidenz. Erwägen Sie nur einen Gewinn, wenn die Wahrscheinlichkeit gegenüber einem zufälligen Wahlgewinn über diesem Wert liegt. |
| HistogramPoolSize |
Die Anzahl der Histogramme im Pool (zwischen 2 und NumLeaves). |
| LabelColumnName |
Spalte, die für Bezeichnungen verwendet werden soll. (Geerbt von TrainerInputBaseWithLabel) |
| MaximumBinCountPerFeature |
Maximale Anzahl unterschiedlicher Werte (Bins) pro Feature. |
| 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. |
| MaximumCategoricalSplitPointCount |
Maximale Kategorisierungspunkte, die bei der Aufteilung auf ein kategorisierendes Feature berücksichtigt werden sollen. |
| MemoryStatistics |
Drucken von Speicherstatistiken in ML.NET Kanal. |
| MinimumExampleCountPerLeaf |
Die minimale Anzahl von Datenpunkten, die erforderlich sind, um ein neues Baumblatt zu bilden. |
| MinimumExampleFractionForCategoricalSplit |
Minimale kategorisierte Beispielprozentsätze in einem Bin, die für eine Aufteilung berücksichtigt werden sollen. Der Standardwert ist 0,1% aller Schulungsbeispiele. |
| MinimumExamplesForCategoricalSplit |
Mindestens kategorisierte Beispielanzahl in einem Bin, die für eine Aufteilung berücksichtigt werden soll. |
| NumberOfLeaves |
Die maximale Anzahl von Blättern in jeder Regressionsstruktur. |
| NumberOfThreads |
Die Anzahl der zu verwendenden Threads. |
| NumberOfTrees |
Gesamtanzahl der Entscheidungsstrukturen, die im Ensemble erstellt werden sollen. |
| RowGroupColumnName |
Spalte, die z. B. groupId verwendet werden soll. (Geerbt von TrainerInputBaseWithGroupId) |
| Seed |
Der Ausgangswert des Zufallszahlengenerators. |
| Smoothing |
Glättungsparameter für die Struktur regularisierung. |
| SoftmaxTemperature |
Die Temperatur der randomisierten Softmax-Verteilung für die Auswahl des Features. |
| SparsifyThreshold |
Sparsity level needed to use sparse feature representation. |
| TestFrequency |
Berechnen Sie Metrikwerte für train/valid/test alle k Runden. |