TreeEnsembleModelParametersBasedOnRegressionTree Classe

Insieme di alberi esposti agli utenti. Si tratta di un wrapper in internalMicrosoft.ML.Trainers.FastTree.InternalTreeEnsemble in TreeEnsemble<T>.

Ottenere i vantaggi cumulativi della divisione per ogni funzionalità in tutti gli alberi.

Usato per determinare il contributo di ogni funzionalità al punteggio di un esempio da FeatureContributionCalculatingTransformer. Il calcolo del contributo di funzionalità consiste essenzialmente nel determinare quali divisioni nell'albero hanno l'impatto maggiore sul punteggio finale e assegnare il valore dell'impatto alle funzionalità che determinano la divisione. Più precisamente, il contributo di una funzionalità è uguale alla modifica del punteggio prodotto esplorando il sottoalbero opposto ogni volta che viene rilevato un nodo decisionale per la funzionalità specificata. Si consideri un caso semplice con un singolo albero delle decisioni con un nodo decisionale per la funzionalità binaria F1. Dato un esempio con la caratteristica F1 uguale a true, è possibile calcolare il punteggio ottenuto se si scegliesse il sottoalbero corrispondente alla funzionalità F1 uguale a false mantenendo le altre caratteristiche costanti. Il contributo della caratteristica F1 per l'esempio specificato è la differenza tra il punteggio originale e il punteggio ottenuto prendendo la decisione opposta nel nodo corrispondente alla funzione F1. Questo algoritmo si estende naturalmente ai modelli con molti alberi delle decisioni.

TreeEnsembleModelParametersBasedOnRegressionTree è derivato da TreeEnsembleModelParameters più un attributo pubblico fortemente tipizzato, TrainedTreeEnsemble, per esporre i dettagli del modello sottoposto a training agli utenti. La funzione , Microsoft.ML.Trainers.FastTree.TreeEnsembleModelParametersBasedOnRegressionTree.CreateTreeEnsembleFromInternalDataStructure, viene chiamata per creare TrainedTreeEnsemble all'interno TreeEnsembleModelParametersdi . Si noti che la differenza principale tra TreeEnsembleModelParametersBasedOnQuantileRegressionTree e TreeEnsembleModelParametersBasedOnRegressionTree è il tipo di TrainedTreeEnsemble.