FastForestOptionsBase Třída

Definice

Obor názvů:

Microsoft.ML.Trainers.FastTree

Sestavení:

Microsoft.ML.FastTree.dll

Balíček:

Microsoft.ML.FastTree v2.0.0

Základní třída pro možnosti rychlého lesního trenéra.

public abstract class FastForestOptionsBase : Microsoft.ML.Trainers.FastTree.TreeOptions

type FastForestOptionsBase = class
    inherit TreeOptions

Public MustInherit Class FastForestOptionsBase
Inherits TreeOptions

Dědičnost

Object

TrainerInputBase

TrainerInputBaseWithLabel

TrainerInputBaseWithWeight

TrainerInputBaseWithGroupId

TreeOptions

FastForestOptionsBase

Odvozené

Microsoft.ML.Trainers.FastTree.FastForestBinaryTrainer.Options

Microsoft.ML.Trainers.FastTree.FastForestRegressionTrainer.Options

Pole

AllowEmptyTrees	Pokud rozdělení kořene není možné, povolte trénování pokračovat. (Zděděno od TreeOptions)
BaggingExampleFraction	Procento trénovacích příkladů použitých v každém sáčku Výchozí hodnota je 0,7 (70 %). (Zděděno od TreeOptions)
BaggingSize	Počet stromů v každém sáčku (0 pro zakázání pytlování) (Zděděno od TreeOptions)
Bias	Předpojatost pro výpočet přechodu pro každou přihrádku funkce pro kategorickou funkci (Zděděno od TreeOptions)
Bundling	Svazky s nízkým počtem přihrádek. Bundle.None(0): no bundling, Bundle.AggregateLowPopulation(1): Bundle low population, Bundle.Adjacent(2): Neighbor low population bundle. (Zděděno od TreeOptions)
CategoricalSplit	Zda se má provést rozdělení na základě více hodnot funkcí kategorií. (Zděděno od TreeOptions)
CompressEnsemble	Komprimujte stromOvý soubor. (Zděděno od TreeOptions)
DiskTranspose	Jestli se má při provádění transpozice využít disk nebo nativní transpozice dat (pokud je to možné). (Zděděno od TreeOptions)
EntropyCoefficient	Koeficient entropie (regularizace) mezi 0 a 1. (Zděděno od TreeOptions)
ExampleWeightColumnName	Sloupec, který se použije například pro tloušťku. (Zděděno od TrainerInputBaseWithWeight)
ExecutionTime	Vytiskněte rozpis doby provádění do ML.NET kanálu. (Zděděno od TreeOptions)
FeatureColumnName	Sloupec, který se má použít pro funkce. (Zděděno od TrainerInputBase)
FeatureFirstUsePenalty	Funkce nejprve použije sankční koeficient. (Zděděno od TreeOptions)
FeatureFlocks	Zda se mají během přípravy datové sady shromažďovat funkce, aby se urychlila trénování. (Zděděno od TreeOptions)
FeatureFraction	Zlomek funkcí (vybraných náhodně), které se mají použít při každé iteraci. Pokud potřebujete jenom 90 % funkcí, použijte 0,9. Nižší čísla pomáhají snížit nadměrnou montáž. (Zděděno od TreeOptions)
FeatureFractionPerSplit	Zlomek funkcí (vybraných 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 fitinky získat jistotu požadavek. Zisk zvažte pouze v případě, že jeho pravděpodobnost versus náhodný zisk volby je vyšší než tato hodnota. (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 (přihrádek) na funkci (Zděděno od TreeOptions)
MaximumCategoricalGroupCountPerNode	Maximální počet kategorických skupin rozdělení, které je potřeba vzít v úvahu při rozdělení u funkce kategorií. Rozdělené skupiny jsou kolekcí bodů rozdělení. To se používá ke snížení přeurčení, pokud existuje mnoho funkcí kategorií. (Zděděno od TreeOptions)
MaximumCategoricalSplitPointCount	Maximální počet bodů rozdělení kategorií, které je potřeba vzít v úvahu při dělení u funkce kategorií. (Zděděno od TreeOptions)
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 příkladu kategorií v intervalu, které je potřeba zvážit pro rozdělení. Výchozí hodnota je 0,1 % všech trénovacích příkladů. (Zděděno od TreeOptions)
MinimumExamplesForCategoricalSplit	Minimální počet příkladů kategorií v intervalu, který je potřeba zvážit pro rozdělení. (Zděděno od TreeOptions)
NumberOfLeaves	Maximální počet listů v každém regresním stromu. (Zděděno od TreeOptions)
NumberOfQuantileSamples	Počet datových bodů, které se mají z každého listu vzorkovat, aby se zjistilo rozdělení popisků.
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 vyhlazování pro regularizaci stromu (Zděděno od TreeOptions)
SoftmaxTemperature	Teplota náhodného rozdělení softmax pro výběr funkce. (Zděděno od TreeOptions)
SparsifyThreshold	Úroveň sparsity potřebná k použití řídké reprezentace funkcí. (Zděděno od TreeOptions)
TestFrequency	Vypočítejte hodnoty metrik pro trénování/platné/test každé kolo k. (Zděděno od TreeOptions)