Microsoft.ML.Trainers.FastTree Namespace

Optionen zum Ankurbeln von Baumtrainern.

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

Aufeinanderfolgender Verlust in Generalität (UP).

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

Early Stop rule used to terminate training process once meeting a specified criterion. Wird für die Einstellung EarlyStoppingRuleEarlyStoppingRuleverwendet.

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

Optionen für die FastForestBinaryFeaturizationEstimator.

Modellparameter für FastForestBinaryTrainer.

Die IEstimator<TTransformer> Schulung eines binären Klassifizierungsmodells für die Entscheidungsstruktur mithilfe der Fast-Gesamtstruktur.

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

Basisklasse für schnelle Gesamtstrukturtraineroptionen.

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

Optionen für die FastForestRegressionFeaturizationEstimator.

Modellparameter für FastForestRegressionTrainer.

Die Schulung eines Regressionsmodells IEstimator<TTransformer> für die Entscheidungsstruktur mithilfe der Fast-Gesamtstruktur.

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 die Entscheidungsstruktur mithilfe von FastTree.

Optionen für die FastTreeBinaryTrainer wie in FastTree(Options).

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 mit FastTree.

Optionen für die FastTreeRankingTrainer wie in FastTree(Options).

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

Optionen für die FastTreeRegressionFeaturizationEstimator.

Modellparameter für FastForestRegressionTrainer.

Die Schulung eines Regressionsmodells IEstimator<TTransformer> für die Entscheidungsstruktur mithilfe von FastTree.

Optionen für die FastTreeRegressionTrainer wie in FastTree(Options).

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

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

Optionen für die FastTreeTweedieFeaturizationEstimator.

Modellparameter für FastTreeTweedieTrainer.

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

Optionen für die FastTreeTweedieTrainer in FastTreeTweedie(Options).

Modellparameter für GamBinaryTrainer.

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

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

Die Basisklasse für GAM-Modellparameter.

Modellparameter für GamRegressionTrainer.

Zur IEstimator<TTransformer> Schulung 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).

Geringer Fortschritt (LP). Diese Regel wird ausgelöst, wenn die Verbesserungen auf dem Punktestand hängen.

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

A IEstimator<TTransformer> which contains a pre-trained TreeEnsembleModelParameters and calling its Fit(IDataView) produces a featurizer based on the pre-trained model.

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

Eine Containerklasse zum Verfügbarmachen Microsoft.ML.Trainers.FastTree.InternalQuantileRegressionTreevon Attributen für Benutzer. Diese Klasse sollte nicht änderbar sein, sodass sie viele schreibgeschützte Member enthält. Zusätzlich zu den geerbten RegressionTreeBaseElementen fügen GetLeafSamplesAt(Int32) wir Schulungsbezeichnungen hinzu und GetLeafSampleWeightsAt(Int32) stellen (untersampelte) Trainingsbezeichnungen hinzu, die in das blattindex-th-Blatt und deren Gewichte fallen.

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

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

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

Eine Containerbasisklasse zum Verfügbarmachen Microsoft.ML.Trainers.FastTree.InternalRegressionTreevon 's und Microsoft.ML.Trainers.FastTree.InternalQuantileRegressionTree's Attributen für Benutzer. Diese Klasse sollte nicht änderbar sein, sodass sie viele schreibgeschützte Member enthält.

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

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

Eine Liste der RegressionTreeBaseabgeleiteten Klasse. Zum Berechnen des Ausgabewerts eines TreeEnsemble<T>, müssen wir die Ausgabewerte aller Strukturen Treesin berechnen, diese Werte skalieren und TreeWeightsschließlich die skalierten Werte und Bias aufwärts addieren.

Diese Klasse kapselt das allgemeine Verhalten aller strukturbasierten Featurizer wie FastTreeBinaryFeaturizationEstimator, , FastForestBinaryFeaturizationEstimator, FastTreeRegressionFeaturizationEstimatorund FastForestRegressionFeaturizationEstimatorPretrainedTreeFeaturizationEstimator. Alle strukturbasierten Featurizer verwenden dasselbe Ausgabeschema, das von GetOutputSchema(SchemaShape). Für alle strukturbasierten Featurizer ist ein Eingabefeaturespaltenname und ein Suffix für alle Ausgabespalten erforderlich. Die ITransformer zurückgegebenen Werte Fit(IDataView) erzeugen drei Spalten: (1) die Vorhersagewerte aller Bäume, (2) die IDs des Eingabefeaturevektors, die in den Eingabefeaturevektor fallen, und (3) den binären Vektor, der die Pfade zu diesen Zielblättern codiert.

Die allgemeinen Optionen für strukturbasierte Featurisierungen wie FastTreeBinaryFeaturizationEstimator, , FastForestBinaryFeaturizationEstimator, FastTreeRegressionFeaturizationEstimator, 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 Hilfsprogrammen 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 TrainedTreeEnsemblezu erstellenTreeEnsembleModelParameters. Beachten Sie, dass der Hauptunterschied zwischen TreeEnsembleModelParametersBasedOnQuantileRegressionTree und TreeEnsembleModelParametersBasedOnRegressionTree ist 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 TrainedTreeEnsemblezu erstellenTreeEnsembleModelParameters. Beachten Sie, dass der Hauptunterschied zwischen TreeEnsembleModelParametersBasedOnQuantileRegressionTree und TreeEnsembleModelParametersBasedOnRegressionTree ist der Typ von TrainedTreeEnsemble.

Optionen für Baumtrainer.

Arten von Optimierungsalgorithmen.

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

Beenden von Messungen für Klassifizierung und Regression.

Beenden von Messungen für die Rangfolge.