FastTreeTweedieTrainer Třída

Definice

Obor názvů:

Microsoft.ML.Trainers.FastTree

Sestavení:

Microsoft.ML.FastTree.dll

Balíček:

Microsoft.ML.FastTree v2.0.0

Pro IEstimator<TTransformer> trénování regresního modelu rozhodovacího stromu pomocí funkce ztráty Tweedie. Tento trenér je generalizace Poisson, složený Poisson a gama regrese.

public sealed class FastTreeTweedieTrainer : Microsoft.ML.Trainers.FastTree.BoostingFastTreeTrainerBase<Microsoft.ML.Trainers.FastTree.FastTreeTweedieTrainer.Options,Microsoft.ML.Data.RegressionPredictionTransformer<Microsoft.ML.Trainers.FastTree.FastTreeTweedieModelParameters>,Microsoft.ML.Trainers.FastTree.FastTreeTweedieModelParameters>

type FastTreeTweedieTrainer = class
    inherit BoostingFastTreeTrainerBase<FastTreeTweedieTrainer.Options, RegressionPredictionTransformer<FastTreeTweedieModelParameters>, FastTreeTweedieModelParameters>

Public NotInheritable Class FastTreeTweedieTrainer
Inherits BoostingFastTreeTrainerBase(Of FastTreeTweedieTrainer.Options, RegressionPredictionTransformer(Of FastTreeTweedieModelParameters), FastTreeTweedieModelParameters)

Dědičnost

Object

TrainerEstimatorBase<TTransformer,TModel>

TrainerEstimatorBaseWithGroupId<TTransformer,TModel>

FastTreeTrainerBase<TOptions,TTransformer,TModel>

BoostingFastTreeTrainerBase<FastTreeTweedieTrainer.Options,RegressionPredictionTransformer<FastTreeTweedieModelParameters>,FastTreeTweedieModelParameters>

FastTreeTweedieTrainer

Poznámky

K vytvoření tohoto trenéra použijte FastTreeTweedie nebo FastTreeTweedie(Možnosti).

Vstupní a výstupní sloupce

Vstupní data sloupce popisku musí být Single. Vstupními funkcemi musí být data sloupců známého vektoru Singlevelikosti .

Tento trenér vypíše následující sloupce:

Název výstupního sloupce	Typ sloupce	Description
Score	Single	Nevázané skóre, které model předpověděl.

Charakteristiky trenéra

Úloha strojového učení	Regrese
Vyžaduje se normalizace?	No
Vyžaduje se ukládání do mezipaměti?	No
Povinné nuGet kromě Microsoft.ML	Microsoft.ML.FastTree
Exportovatelný do ONNX	Yes

Podrobnosti o trénovacím algoritmu

Model pro zvýšení tweedie se řídí matematikou vytvořenou v pojištění premium predikce prostřednictvím gradientní Tree-Boosted Tweedie složené poissonské modely z Yang, Quan a Zou. Úvod do zvýšení přechodu a další informace najdete v článku : Wikipedie: Zvýšení přechodu ( zvýšení gradientní stromové volby) nebo přibližná funkce Greedy: Přechodový boosting stroj.

V části Viz také najdete odkazy na příklady použití.

Pole

FeatureColumn	Sloupec funkcí, který trenér očekává. (Zděděno od TrainerEstimatorBase<TTransformer,TModel>)
GroupIdColumn	Volitelný sloupec groupID, který očekává trenér hodnocení. (Zděděno od TrainerEstimatorBaseWithGroupId<TTransformer,TModel>)
LabelColumn	Sloupec popisku, který trenér očekává. Může to být null, což označuje, že popisek se nepoužívá pro trénování. (Zděděno od TrainerEstimatorBase<TTransformer,TModel>)
WeightColumn	Sloupec hmotnosti, který trenér očekává. Může být null, což značí, že váha se nepoužívá pro trénování. (Zděděno od TrainerEstimatorBase<TTransformer,TModel>)

Vlastnosti

Info	Pro IEstimator<TTransformer> trénování regresního modelu rozhodovacího stromu pomocí funkce ztráty Tweedie. Tento trenér je generalizace Poisson, složený Poisson a gama regrese. (Zděděno od FastTreeTrainerBase<TOptions,TTransformer,TModel>)

Metody

Fit(IDataView)	Vlaky a vrátí ITransformerhodnotu . (Zděděno od TrainerEstimatorBase<TTransformer,TModel>)
Fit(IDataView, IDataView)	FastTreeTweedieTrainer Trénování pomocí trénovacích i ověřovacích dat vrátí RegressionPredictionTransformer<TModel>hodnotu .
GetOutputSchema(SchemaShape)	Pro IEstimator<TTransformer> trénování regresního modelu rozhodovacího stromu pomocí funkce ztráty Tweedie. Tento trenér je generalizace Poisson, složený Poisson a gama regrese. (Zděděno od TrainerEstimatorBase<TTransformer,TModel>)

Metody rozšíření

AppendCacheCheckpoint<TTrans>(IEstimator<TTrans>, IHostEnvironment)

Připojte k řetězci odhadu kontrolní bod ukládání do mezipaměti. Tím zajistíte, aby se podřízené estimátory natrénovaly na data uložená v mezipaměti. Před průchodem více dat je užitečné mít kontrolní bod ukládání do mezipaměti.

WithOnFitDelegate<TTransformer>(IEstimator<TTransformer>, Action<TTransformer>)

Pokud získáte odhadátor, vraťte obtékání objektu, který jednou zavolá delegáta Fit(IDataView) . Často je důležité, aby estimátor vrátil informace o tom, co bylo vhodné, což je důvod, proč Fit(IDataView) metoda vrací konkrétně zadaný objekt, a ne jen obecné ITransformer. Ve stejnou dobu se však často vytvářejí do kanálů s mnoha objekty, takže možná budeme muset vytvořit řetězec odhadovačů prostřednictvím EstimatorChain<TLastTransformer> toho, kde je odhadovač, IEstimator<TTransformer> pro který chceme získat transformátor, uložen někde v tomto řetězu. Pro tento scénář můžeme prostřednictvím této metody připojit delegáta, který bude volána po volání fit.

Viz také

• FastTreeTweedie(RegressionCatalog+RegressionTrainers, String, String, String, Int32, Int32, Int32, Double)
• FastTreeTweedie(RegressionCatalog+RegressionTrainers, FastTreeTweedieTrainer+Options)
• FastTreeTweedieTrainer.Options