FastForestOptionsBase Klasse
Definition
Wichtig
Einige Informationen beziehen sich auf Vorabversionen, die vor dem Release ggf. grundlegend überarbeitet werden. Microsoft übernimmt hinsichtlich der hier bereitgestellten Informationen keine Gewährleistungen, seien sie ausdrücklich oder konkludent.
Basisklasse für schnelle Gesamtstrukturtraineroptionen.
public abstract class FastForestOptionsBase : Microsoft.ML.Trainers.FastTree.TreeOptionstype FastForestOptionsBase = class
inherit TreeOptionsPublic MustInherit Class FastForestOptionsBase
Inherits TreeOptions- Vererbung
- Abgeleitet
Felder
| AllowEmptyTrees |
Wenn eine Stammaufteilung nicht möglich ist, lassen Sie das Training fort. (Geerbt von TreeOptions) |
| BaggingExampleFraction |
Prozentsatz der Trainingsbeispiele, die in jeder Tasche verwendet werden. Der Standardwert ist 0,7 (70 %). (Geerbt von TreeOptions) |
| BaggingSize |
Anzahl der Bäume in jeder Tasche (0 zum Deaktivieren des Sackens). (Geerbt von TreeOptions) |
| Bias |
Bias zum Berechnen des Farbverlaufs für jede Feature-Bin für ein kategorisches Feature. (Geerbt von TreeOptions) |
| Bundling |
Bündelung von Behältern mit geringer Befüllung. Bundle.None(0): keine Bündelung, Bundle.AggregateLowPopulation(1): Bundle low population, Bundle.Adjacent(2): Neighbor low population bundle. (Geerbt von TreeOptions) |
| CategoricalSplit |
Gibt an, ob eine Aufteilung basierend auf mehreren kategorischen Featurewerten durchgeführt werden soll. (Geerbt von TreeOptions) |
| CompressEnsemble |
Komprimieren Sie das Strukturensemble. (Geerbt von TreeOptions) |
| DiskTranspose |
Gibt an, ob der Datenträger oder die nativen Umsetzungsmöglichkeiten der Daten (sofern zutreffend) bei der Durchführung der Transponierung verwendet werden sollen. (Geerbt von TreeOptions) |
| EntropyCoefficient |
Der Entropiekoeffizienten (Regularisierung) zwischen 0 und 1. (Geerbt von TreeOptions) |
| ExampleWeightColumnName |
Zu verwendende Spalte, z. B. Gewichtung. (Geerbt von TrainerInputBaseWithWeight) |
| ExecutionTime |
Aufschlüsselung der Druckausführungszeit auf ML.NET Kanal. (Geerbt von TreeOptions) |
| FeatureColumnName |
Spalte, die für Features verwendet werden soll. (Geerbt von TrainerInputBase) |
| FeatureFirstUsePenalty |
Das Feature verwendet zuerst den Strafkoeffizienten. (Geerbt von TreeOptions) |
| FeatureFlocks |
Gibt an, ob Features während der Datasetvorbereitung gesammelt werden sollen, um das Training zu beschleunigen. (Geerbt von TreeOptions) |
| FeatureFraction |
Der Anteil der Features (zufällig ausgewählt), die bei jeder Iteration verwendet werden sollen. Verwenden Sie 0.9, wenn nur 90 % der Features benötigt werden. Niedrigere Zahlen tragen dazu bei, die Überanpassung zu reduzieren. (Geerbt von TreeOptions) |
| FeatureFractionPerSplit |
Der Anteil der Features (zufällig ausgewählt), die für jede Aufteilung verwendet werden sollen. Wenn der Wert 0,9 ist, würden 90 % aller Features in Erwartung gelöscht. (Geerbt von TreeOptions) |
| FeatureReusePenalty |
Der Koeffizienten für die Wiederverwendung (Regularisierung) der Funktion. (Geerbt von TreeOptions) |
| FeatureSelectionSeed |
Der Seed der aktiven Featureauswahl. (Geerbt von TreeOptions) |
| GainConfidenceLevel |
Strukturanpassungsanforderung: Vertrauenserfordernis. Erwägen Sie nur einen Gewinn, wenn seine Wahrscheinlichkeit im Vergleich zu einem zufälligen Auswahlgewinn über diesem Wert liegt. (Geerbt von TreeOptions) |
| HistogramPoolSize |
Die Anzahl der Histogramme im Pool (zwischen 2 und numLeaves). (Geerbt von TreeOptions) |
| LabelColumnName |
Spalte, die für Bezeichnungen verwendet werden soll. (Geerbt von TrainerInputBaseWithLabel) |
| MaximumBinCountPerFeature |
Maximale Anzahl unterschiedlicher Werte (Bins) pro Feature. (Geerbt von TreeOptions) |
| MaximumCategoricalGroupCountPerNode |
Maximale kategorische Aufteilung von Gruppen, die beim Aufteilen in einem kategorischen Feature berücksichtigt werden müssen. Geteilte Gruppen sind eine Sammlung von geteilten Punkten. Dies wird verwendet, um die Überanpassung zu reduzieren, wenn viele kategorische Features vorhanden sind. (Geerbt von TreeOptions) |
| MaximumCategoricalSplitPointCount |
Maximale kategorische Teilungspunkte, die beim Teilen eines kategorischen Features berücksichtigt werden müssen. (Geerbt von TreeOptions) |
| MemoryStatistics |
Drucken Sie Speicherstatistiken in ML.NET Kanal. (Geerbt von TreeOptions) |
| MinimumExampleCountPerLeaf |
Die minimale Anzahl von Datenpunkten, die zum Bilden eines neuen Baumblatts erforderlich sind. (Geerbt von TreeOptions) |
| MinimumExampleFractionForCategoricalSplit |
Minimaler kategorischer Beispielprozentsatz in einer Bin, der für eine Aufteilung berücksichtigt werden soll. Der Standardwert beträgt 0,1 % aller Trainingsbeispiele. (Geerbt von TreeOptions) |
| MinimumExamplesForCategoricalSplit |
Minimale kategorische Beispielanzahl in einer Bin, die für eine Aufteilung berücksichtigt werden soll. (Geerbt von TreeOptions) |
| NumberOfLeaves |
Die maximale Anzahl von Blättern in jeder Regressionsstruktur. (Geerbt von TreeOptions) |
| NumberOfQuantileSamples |
Die Anzahl der Datenpunkte, die von jedem Blatt erfasst werden sollen, um die Verteilung von Bezeichnungen zu ermitteln. |
| NumberOfThreads |
Die Anzahl der zu verwendenden Threads. (Geerbt von TreeOptions) |
| NumberOfTrees |
Gesamtanzahl der zu erstellenden Entscheidungsstrukturen im Ensemble. (Geerbt von TreeOptions) |
| RowGroupColumnName |
Zu verwendende Spalte, z. B. groupId. (Geerbt von TrainerInputBaseWithGroupId) |
| Seed |
Der Seed des Zufallszahlengenerators. (Geerbt von TreeOptions) |
| Smoothing |
Glättungsparameter für die Strukturregulärisierung. (Geerbt von TreeOptions) |
| SoftmaxTemperature |
Die Temperatur der randomisierten Softmax-Verteilung für die Auswahl des Features. (Geerbt von TreeOptions) |
| SparsifyThreshold |
Die Sparsity-Ebene ist erforderlich, um die Darstellung von Sparsefeatures zu verwenden. (Geerbt von TreeOptions) |
| TestFrequency |
Berechnen Sie Metrikwerte für train/valid/test für alle k-Runden. (Geerbt von TreeOptions) |