Sdílet prostřednictvím


FastForestBinaryTrainer.Options Třída

Definice

Možnosti pro, jak se FastForestBinaryTrainer používají v FastForest(Options).

public sealed class FastForestBinaryTrainer.Options : Microsoft.ML.Trainers.FastTree.FastForestOptionsBase
type FastForestBinaryTrainer.Options = class
    inherit FastForestOptionsBase
Public NotInheritable Class FastForestBinaryTrainer.Options
Inherits FastForestOptionsBase
Dědičnost

Konstruktory

FastForestBinaryTrainer.Options()

Možnosti pro, jak se FastForestBinaryTrainer používají v FastForest(Options).

Pole

AllowEmptyTrees

Pokud rozdělení kořene není možné, nechte trénování pokračovat.

(Zděděno od TreeOptions)
BaggingExampleFraction

Procento trénovacích příkladů použitých v jednotlivých taškách Výchozí hodnota je 0,7 (70 %).

(Zděděno od TreeOptions)
BaggingSize

Počet stromů v každém sáčku (0 pro zakázání pytlování)

(Zděděno od TreeOptions)
Bias

Odchylka výpočtu přechodu pro každou přihrádku funkce pro kategorickou funkci

(Zděděno od TreeOptions)
Bundling

Svazky s nízkým počtem přihrádek populace. Bundle.None(0): no bundling, Bundle.AggregateLowPopulation(1): Bundle low population, Bundle.Adjacent(2): Neighbor low population bundle.

(Zděděno od TreeOptions)
CategoricalSplit

Zda provést rozdělení na základě více hodnot kategorických funkcí.

(Zděděno od TreeOptions)
CompressEnsemble

Komprimujte stromový soubor Ensemble.

(Zděděno od TreeOptions)
DiskTranspose

Jestli se má při provádění transponování využít disk nebo nativní transpozice dat (pokud je to možné).

(Zděděno od TreeOptions)
EntropyCoefficient

Součinitel entropie (regularizace) mezi 0 a 1.

(Zděděno od TreeOptions)
ExampleWeightColumnName

Sloupec, který se má použít jako příklad hmotnosti.

(Zděděno od TrainerInputBaseWithWeight)
ExecutionTime

Tisk rozpisu doby provádění do ML.NET kanálu.

(Zděděno od TreeOptions)
FeatureColumnName

Sloupec, který se má použít pro funkce.

(Zděděno od TrainerInputBase)
FeatureFirstUsePenalty

Funkce nejprve použije koeficient penalizace.

(Zděděno od TreeOptions)
FeatureFlocks

Jestli se mají při přípravě datové sady shromažďovat funkce, aby se urychlily trénování.

(Zděděno od TreeOptions)
FeatureFraction

Zlomek funkcí (vybraný náhodně), který se má použít při každé iteraci. Pokud potřebujete jenom 90 % funkcí, použijte 0,9. Nižší čísla pomáhají omezit přeučení.

(Zděděno od TreeOptions)
FeatureFractionPerSplit

Zlomek funkcí (zvolený náhodně), který se má použít při každém rozdělení. Pokud je hodnota 0,9, 90 % všech funkcí by se v očekávání vynechalo.

(Zděděno od TreeOptions)
FeatureReusePenalty

Koeficient opětovného použití funkce (regularizace).

(Zděděno od TreeOptions)
FeatureSelectionSeed

Počáteční hodnota výběru aktivní funkce.

(Zděděno od TreeOptions)
GainConfidenceLevel

Stromové tvarování získáte požadavek na spolehlivost. Zisk zvažujte pouze v případě, že jeho pravděpodobnost oproti náhodnému získání volby přesahuje tuto hodnotu.

(Zděděno od TreeOptions)
HistogramPoolSize

Počet histogramů ve fondu (mezi 2 a numLeaves)

(Zděděno od TreeOptions)
LabelColumnName

Sloupec, který se má použít pro popisky.

(Zděděno od TrainerInputBaseWithLabel)
MaximumBinCountPerFeature

Maximální počet jedinečných hodnot (intervalů) na funkci

(Zděděno od TreeOptions)
MaximumCategoricalGroupCountPerNode

Maximální počet kategorických skupin rozdělení, které je potřeba vzít v úvahu při rozdělení u kategorické funkce. Skupiny rozdělení jsou kolekcí bodů rozdělení. To se používá k omezení přeurčení, pokud existuje mnoho kategorických funkcí.

(Zděděno od TreeOptions)
MaximumCategoricalSplitPointCount

Maximální počet bodů kategorického rozdělení, které je potřeba vzít v úvahu při rozdělení u kategorické funkce.

(Zděděno od TreeOptions)
MaximumOutputMagnitudePerTree

Horní mez absolutní hodnoty výstupu jednoho stromu.

MemoryStatistics

Vytiskněte statistiku paměti do ML.NET kanálu.

(Zděděno od TreeOptions)
MinimumExampleCountPerLeaf

Minimální počet datových bodů potřebných k vytvoření nového stromového listu.

(Zděděno od TreeOptions)
MinimumExampleFractionForCategoricalSplit

Minimální procento kategorického příkladu v intervalu ke zvážení rozdělení Výchozí hodnota je 0,1 % všech trénovacích příkladů.

(Zděděno od TreeOptions)
MinimumExamplesForCategoricalSplit

Minimální počet kategorických příkladů v intervalu ke zvážení rozdělení.

(Zděděno od TreeOptions)
NumberOfLeaves

Maximální počet listů v každém regresním stromu

(Zděděno od TreeOptions)
NumberOfQuantileSamples

Počet datových bodů, které mají být z každého listu vzorkovány, aby se zjistilo rozdělení popisků.

(Zděděno od FastForestOptionsBase)
NumberOfThreads

Počet vláken, která se mají použít.

(Zděděno od TreeOptions)
NumberOfTrees

Celkový počet rozhodovacích stromů, které se mají vytvořit v souboru.

(Zděděno od TreeOptions)
RowGroupColumnName

Sloupec, který se použije jako příklad groupId.

(Zděděno od TrainerInputBaseWithGroupId)
Seed

Počáteční hodnota generátoru náhodných čísel.

(Zděděno od TreeOptions)
Smoothing

Parametr vyhlazení pro regularizaci stromu.

(Zděděno od TreeOptions)
SoftmaxTemperature

Teplota náhodného rozdělení softmaxu pro výběr funkce.

(Zděděno od TreeOptions)
SparsifyThreshold

Úroveň sparsity potřebná k použití řídké reprezentace funkcí.

(Zděděno od TreeOptions)
TestFrequency

Vypočítejte hodnoty metriky pro trénování/platné/test každé zaokrouhlení k.

(Zděděno od TreeOptions)

Platí pro