Freigeben über


FastTreeRankingTrainer.Options Klasse

Definition

Optionen für, FastTreeRankingTrainer wie in FastTree(Optionen) verwendet.

public sealed class FastTreeRankingTrainer.Options : Microsoft.ML.Trainers.FastTree.BoostedTreeOptions, Microsoft.ML.Runtime.IComponentFactory<Microsoft.ML.ITrainer>
type FastTreeRankingTrainer.Options = class
    inherit BoostedTreeOptions
    interface IComponentFactory<ITrainer>
    interface IComponentFactory
Public NotInheritable Class FastTreeRankingTrainer.Options
Inherits BoostedTreeOptions
Implements IComponentFactory(Of ITrainer)
Vererbung
Implementiert
IComponentFactory IComponentFactory<Microsoft.ML.ITrainer>

Konstruktoren

FastTreeRankingTrainer.Options()

Erstellen Sie ein neues FastTreeRankingTrainer.Options Objekt mit Standardwerten.

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 Strukturen in jeder Tasche (0 zum Deaktivieren des Absackens).

(Geerbt von TreeOptions)
BestStepRankingRegressionTrees

Option für die Verwendung der besten Regressionsschrittstrukturen.

(Geerbt von BoostedTreeOptions)
Bias

Bias zum Berechnen des Farbverlaufs für jeden Featurebehälter für ein kategorisches Feature.

(Geerbt von TreeOptions)
Bundling

Bündeln Sie Behälter mit geringer Anzahl. 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)
CustomGains

Durch Trennzeichen getrennte Liste der Gewinne, die den einzelnen Relevanzbezeichnungen zugeordnet sind.

DiskTranspose

Gibt an, ob der Datenträger oder die nativen Umsetzungsmöglichkeiten der Daten (sofern zutreffend) verwendet werden sollen, wenn die Transponierung durchgeführt wird.

(Geerbt von TreeOptions)
DropoutRate

Abbruchrate für die Strukturermäßigung.

(Geerbt von BoostedTreeOptions)
EnablePruning

Aktivieren Sie die Strukturbereinigung nach dem Training, um eine Überanpassung zu vermeiden. Es ist ein Validierungssatz erforderlich.

(Geerbt von BoostedTreeOptions)
EntropyCoefficient

Der Entropiekoeffizienten (Regularisierung) zwischen 0 und 1.

(Geerbt von TreeOptions)
ExampleWeightColumnName

Spalte, die als Beispielgewichtung verwendet werden soll.

(Geerbt von TrainerInputBaseWithWeight)
ExecutionTime

Aufschlüsselung der Druckausführungszeit in 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 bei jeder 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 von Strafen (Regularisierung).

(Geerbt von TreeOptions)
FeatureSelectionSeed

Der Startwert der aktiven Featureauswahl.

(Geerbt von TreeOptions)
FilterZeroLambdas

Filtern Von 0 Lambdas während des Trainings.

(Geerbt von BoostedTreeOptions)
GainConfidenceLevel

Strukturanpassung gewinnt Vertrauensanforderung. Berücksichtigen Sie nur einen Gewinn, wenn seine Wahrscheinlichkeit im Vergleich zu einem zufälligen Auswahlgewinn über diesem Wert liegt.

(Geerbt von TreeOptions)
GetDerivativesSampleRate

Beispielen Sie jede Abfrage 1 in k in der GetDerivatives-Funktion.

(Geerbt von BoostedTreeOptions)
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)
LearningRate

Die Lernrate.

(Geerbt von BoostedTreeOptions)
MaximumBinCountPerFeature

Maximale Anzahl unterschiedlicher Werte (Bins) pro Feature.

(Geerbt von TreeOptions)
MaximumCategoricalGroupCountPerNode

Maximale kategoriebezogene Aufteilung von Gruppen, die beim Aufteilen für ein kategorisches 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

Maximal zu berücksichtigende kategorische Teilungspunkte bei der Aufteilung für ein kategorisches Feature.

(Geerbt von TreeOptions)
MaximumNumberOfLineSearchSteps

Anzahl der Suchschritte nach Klammern.

(Geerbt von BoostedTreeOptions)
MaximumTreeOutput

Obere Grenze für den absoluten Wert der Ausgabe einer einzelnen Struktur.

(Geerbt von BoostedTreeOptions)
MemoryStatistics

Drucken von Speicherstatistiken in ML.NET Kanal.

(Geerbt von TreeOptions)
MinimumExampleCountPerLeaf

Die minimale Anzahl von Datenpunkten, die zum Bilden eines neuen Strukturblatts erforderlich sind.

(Geerbt von TreeOptions)
MinimumExampleFractionForCategoricalSplit

Minimaler kategorischer Beispielprozentsatz in einem Behälter, der für eine Aufteilung berücksichtigt werden soll. Der Standardwert ist 0,1 % aller Trainingsbeispiele.

(Geerbt von TreeOptions)
MinimumExamplesForCategoricalSplit

Minimale kategorische Beispielanzahl in einem Behälter, der für eine Aufteilung berücksichtigt werden soll.

(Geerbt von TreeOptions)
MinimumStepSize

Minimale Zeilensuchschrittgröße.

(Geerbt von BoostedTreeOptions)
NdcgTruncationLevel

Die maximale NDCG-Abschneidung, die im LambdaMAR-Algorithmus verwendet werden soll.

NumberOfLeaves

Die maximale Anzahl von Blättern in jeder Regressionsstruktur.

(Geerbt von TreeOptions)
NumberOfThreads

Die Anzahl der zu verwendenden Threads.

(Geerbt von TreeOptions)
NumberOfTrees

Gesamtanzahl der Entscheidungsstrukturen, die im Ensemble erstellt werden sollen.

(Geerbt von TreeOptions)
OptimizationAlgorithm

Zu verwendende Optimierungsalgorithmus.

(Geerbt von BoostedTreeOptions)
PruningThreshold

Der Toleranzschwellenwert für die Beschneidung.

(Geerbt von BoostedTreeOptions)
PruningWindowSize

Die größe des verschiebten Fensters für die Beschneidung.

(Geerbt von BoostedTreeOptions)
RandomStart

Das Training beginnt mit der zufälligen Reihenfolge (bestimmt durch /r1).

(Geerbt von BoostedTreeOptions)
RowGroupColumnName

Zu verwendende Spalte, z. B. groupId.

(Geerbt von TrainerInputBaseWithGroupId)
Seed

Der Startwert des Zufallszahlengenerators.

(Geerbt von TreeOptions)
Shrinkage

Schrumpfung.

(Geerbt von BoostedTreeOptions)
Smoothing

Glättungsparameter für die Regularisierung der Struktur.

(Geerbt von TreeOptions)
SoftmaxTemperature

Die Temperatur der randomisierten Softmax-Verteilung für die Auswahl des Features.

(Geerbt von TreeOptions)
SparsifyThreshold

Sparsity level erforderlich, um die Darstellung von Sparsefeatures zu verwenden.

(Geerbt von TreeOptions)
TestFrequency

Berechnen Sie Metrikwerte für train/valid/test every k rounds.

(Geerbt von TreeOptions)
UseDcg

Gibt an, ob mithilfe von discounted cumulative gain (DCG) anstelle von normalisierten DCG (NDCG) trainiert werden soll.

UseLineSearch

Bestimmt, ob die Zeilensuche für eine Schrittgröße verwendet werden soll.

(Geerbt von BoostedTreeOptions)
UseTolerantPruning

Verwenden Sie Fenster und Toleranz für die Beschneidung.

(Geerbt von BoostedTreeOptions)
WriteLastEnsemble

Schreiben Sie das letzte Ensemble anstelle des ensembles, das durch frühzeitiges Beenden bestimmt wurde.

(Geerbt von BoostedTreeOptions)

Eigenschaften

EarlyStoppingMetric

Metriken für frühzeitiges Beenden.

EarlyStoppingRule

Die Regel zum vorzeitigen Beenden, die verwendet wird, um den Trainingsprozess zu beenden, sobald ein angegebenes Kriterium erfüllt wurde. Mögliche Optionen sind EarlyStoppingRuleBaseImplementierungen wie TolerantEarlyStoppingRule und GeneralityLossRule.

(Geerbt von BoostedTreeOptions)

Explizite Schnittstellenimplementierungen

IComponentFactory<ITrainer>.CreateComponent(IHostEnvironment)

Optionen für, FastTreeRankingTrainer wie in FastTree(Optionen) verwendet.

Gilt für: