TreeOptions Třída

Definice

Obor názvů:

Microsoft.ML.Trainers.FastTree

Sestavení:

Microsoft.ML.FastTree.dll

Balíček:

Microsoft.ML.FastTree v3.0.1

Možnosti pro stromové trenéry.

public abstract class TreeOptions : Microsoft.ML.Trainers.TrainerInputBaseWithGroupId

type TreeOptions = class
    inherit TrainerInputBaseWithGroupId

Public MustInherit Class TreeOptions
Inherits TrainerInputBaseWithGroupId

Dědičnost

Object

TrainerInputBase

TrainerInputBaseWithLabel

TrainerInputBaseWithWeight

TrainerInputBaseWithGroupId

TreeOptions

Odvozené

Microsoft.ML.Trainers.FastTree.BoostedTreeOptions

Microsoft.ML.Trainers.FastTree.FastForestOptionsBase

Konstruktory

TreeOptions()

Možnosti pro stromové trenéry.

Pole

AllowEmptyTrees	Pokud rozdělení kořene není možné, povolte trénování pokračovat.
BaggingExampleFraction	Procento trénovacích příkladů použitých v každém sáčku Výchozí hodnota je 0,7 (70 %).
BaggingSize	Počet stromů v každém sáčku (0 pro zakázání pytlování)
Bias	Předpojatost pro výpočet přechodu pro každou přihrádku funkce pro kategorickou funkci
Bundling	Svazky s nízkým počtem přihrádek. Bundle.None(0): no bundling, Bundle.AggregateLowPopulation(1): Bundle low population, Bundle.Adjacent(2): Neighbor low population bundle.
CategoricalSplit	Zda se má provést rozdělení na základě více hodnot funkcí kategorií.
CompressEnsemble	Komprimujte stromOvý soubor.
DiskTranspose	Jestli se má při provádění transpozice využít disk nebo nativní transpozice dat (pokud je to možné).
EntropyCoefficient	Koeficient entropie (regularizace) mezi 0 a 1.
ExampleWeightColumnName	Sloupec, který se použije například pro tloušťku. (Zděděno od TrainerInputBaseWithWeight)
ExecutionTime	Vytiskněte rozpis doby provádění do ML.NET kanálu.
FeatureColumnName	Sloupec, který se má použít pro funkce. (Zděděno od TrainerInputBase)
FeatureFirstUsePenalty	Funkce nejprve použije sankční koeficient.
FeatureFlocks	Zda se mají během přípravy datové sady shromažďovat funkce, aby se urychlila trénování.
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.
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.
FeatureReusePenalty	Koeficient opětovného použití funkce (regularizace).
FeatureSelectionSeed	Počáteční hodnota výběru aktivní funkce.
GainConfidenceLevel	Stromové fitinky získat jistotu požadavek. Zisk zvažte pouze v případě, že jeho pravděpodobnost versus náhodný zisk volby je vyšší než tato hodnota.
HistogramPoolSize	Počet histogramů ve fondu (mezi 2 a numLeaves)
LabelColumnName	Sloupec, který se má použít pro popisky. (Zděděno od TrainerInputBaseWithLabel)
MaximumBinCountPerFeature	Maximální počet jedinečných hodnot (přihrádek) na funkci
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.
MaximumCategoricalSplitPointCount	Maximální počet bodů rozdělení kategorií, které je potřeba vzít v úvahu při dělení u funkce kategorií.
MemoryStatistics	Vytiskněte statistiku paměti do ML.NET kanálu.
MinimumExampleCountPerLeaf	Minimální počet datových bodů potřebných k vytvoření nového stromového listu.
MinimumExampleFractionForCategoricalSplit	Minimální procento příkladu kategorií v intervalu, které je potřeba zvážit pro rozdělení. Výchozí hodnota je 0,1 % všech trénovacích příkladů.
MinimumExamplesForCategoricalSplit	Minimální počet příkladů kategorií v intervalu, který je potřeba zvážit pro rozdělení.
NumberOfLeaves	Maximální počet listů v každém regresním stromu.
NumberOfThreads	Počet vláken, která se mají použít.
NumberOfTrees	Celkový počet rozhodovacích stromů, které se mají vytvořit v souboru.
RowGroupColumnName	Sloupec, který se použije jako příklad groupId. (Zděděno od TrainerInputBaseWithGroupId)
Seed	Počáteční hodnota generátoru náhodných čísel.
Smoothing	Parametr vyhlazování pro regularizaci stromu
SoftmaxTemperature	Teplota náhodného rozdělení softmax pro výběr funkce.
SparsifyThreshold	Úroveň sparsity potřebná k použití řídké reprezentace funkcí.
TestFrequency	Vypočítejte hodnoty metrik pro trénování/platné/test každé kolo k.