FastTreeTweedieTrainer.Options Třída

Definice

Obor názvů:

Microsoft.ML.Trainers.FastTree

Sestavení:

Microsoft.ML.FastTree.dll

Balíček:

Microsoft.ML.FastTree v2.0.0

Možnosti pro, jak se FastTreeTweedieTrainer používají v FastTreeTweedie(Options).

public sealed class FastTreeTweedieTrainer.Options : Microsoft.ML.Trainers.FastTree.BoostedTreeOptions, Microsoft.ML.Runtime.IComponentFactory<Microsoft.ML.ITrainer>

type FastTreeTweedieTrainer.Options = class
    inherit BoostedTreeOptions
    interface IComponentFactory<ITrainer>
    interface IComponentFactory

Public NotInheritable Class FastTreeTweedieTrainer.Options
Inherits BoostedTreeOptions
Implements IComponentFactory(Of ITrainer)

Dědičnost

Object

TrainerInputBase

TrainerInputBaseWithLabel

TrainerInputBaseWithWeight

TrainerInputBaseWithGroupId

TreeOptions

BoostedTreeOptions

FastTreeTweedieTrainer.Options

Implementuje

IComponentFactory IComponentFactory<Microsoft.ML.ITrainer>

Konstruktory

FastTreeTweedieTrainer.Options()

Vytvořte nový FastTreeTweedieTrainer.Options objekt s výchozími hodnotami.

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)
BestStepRankingRegressionTrees	Možnost použití nejlepších stromů kroků regrese (Zděděno od BoostedTreeOptions)
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)
DropoutRate	Míra odkládacích výpadků pro regularizaci stromu (Zděděno od BoostedTreeOptions)
EnablePruning	Povolte vyřezávání stromu po trénování, abyste se vyhnuli přeurčení. Vyžaduje ověřovací sadu. (Zděděno od BoostedTreeOptions)
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)
FilterZeroLambdas	Během trénování vyfiltrujte nulové lambda. (Zděděno od BoostedTreeOptions)
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)
GetDerivativesSampleRate	Vzorek každého dotazu 1 v k krát ve funkci GetDerivatives. (Zděděno od BoostedTreeOptions)
HistogramPoolSize	Počet histogramů ve fondu (mezi 2 a numLeaves) (Zděděno od TreeOptions)
Index	Parametr indexu pro rozdělení Tweedie v rozsahu [1, 2]. 1 je Poissonova ztráta, 2 je gama ztráta a mezilehlé hodnoty jsou složené Poissonova ztráta.
LabelColumnName	Sloupec, který se má použít pro popisky. (Zděděno od TrainerInputBaseWithLabel)
LearningRate	Rychlost učení. (Zděděno od BoostedTreeOptions)
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)
MaximumNumberOfLineSearchSteps	Počet kroků hledání řádků po závorce (Zděděno od BoostedTreeOptions)
MaximumTreeOutput	Horní mez absolutní hodnoty výstupu jednoho stromu. (Zděděno od BoostedTreeOptions)
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)
MinimumStepSize	Minimální velikost kroku hledání na řádku. (Zděděno od BoostedTreeOptions)
NumberOfLeaves	Maximální počet listů v každém regresním stromu (Zděděno od TreeOptions)
NumberOfThreads	Počet vláken, která se mají použít. (Zděděno od TreeOptions)
NumberOfTrees	Celkový počet rozhodovacích stromů, které se mají vytvořit v souboru. (Zděděno od TreeOptions)
OptimizationAlgorithm	Algoritmus optimalizace, který se má použít. (Zděděno od BoostedTreeOptions)
PruningThreshold	Prahová hodnota tolerance pro vyřazení. (Zděděno od BoostedTreeOptions)
PruningWindowSize	Velikost pohyblivého okna pro vyřezávání. (Zděděno od BoostedTreeOptions)
RandomStart	Trénování začíná náhodným řazením (určeným /r1). (Zděděno od BoostedTreeOptions)
RowGroupColumnName	Sloupec, který se použije jako příklad groupId. (Zděděno od TrainerInputBaseWithGroupId)
Seed	Počáteční hodnota generátoru náhodných čísel. (Zděděno od TreeOptions)
Shrinkage	Smršťování. (Zděděno od BoostedTreeOptions)
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)
UseLineSearch	Určuje, zda se má použít řádkové vyhledávání pro velikost kroku. (Zděděno od BoostedTreeOptions)
UseTolerantPruning	Používejte okno a tolerance pro vyřezávání. (Zděděno od BoostedTreeOptions)
WriteLastEnsemble	Napište poslední soubor místo souboru určeného včasným zastavením. (Zděděno od BoostedTreeOptions)

Vlastnosti

EarlyStoppingMetric	Časné zastavování metrik.
EarlyStoppingRule	Pravidlo předčasného zastavení, které se používá k ukončení procesu trénování po splnění zadaného kritéria. Možné volby jsou EarlyStoppingRuleBaseimplementace TolerantEarlyStoppingRule od a GeneralityLossRule. (Zděděno od BoostedTreeOptions)

Explicitní implementace rozhraní

IComponentFactory<ITrainer>.CreateComponent(IHostEnvironment)

Možnosti pro, jak se FastTreeTweedieTrainer používají v FastTreeTweedie(Options).