FastTreeTweedieTrainer 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.
Die IEstimator<TTransformer> für die Schulung eines Entscheidungsstruktur-Regressionsmodells mit Tweedie-Verlustfunktion. Dieser Trainer ist eine Generalisierung von Poisson, zusammengesetztem Poisson und Gamma-Regression.
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)- Vererbung
Hinweise
Um diesen Trainer zu erstellen, verwenden Sie FastTreeTweedie oder FastTreeTweedie(Options).
Eingabe- und Ausgabespalten
Die Daten in der Spalte für die Eingabezeichnung müssen Single sein. Die Eingabefeatures-Spaltendaten müssen ein bekannter Vektor von Single.
Der Trainer gibt folgende Spalten aus:
| Name der Ausgabespalte | Spaltentyp | BESCHREIBUNG |
|---|---|---|
Score |
Single | Die von dem Modell vorhergesagte ungebundene Bewertung. |
Trainereigenschaften
| ML-Aufgabe | Regression |
| Ist die Normalisierung erforderlich? | No |
| Ist zwischenspeichern erforderlich? | No |
| Erforderliche NuGet zusätzlich zu Microsoft.ML | Microsoft.ML.FastTree |
| Exportierbar in ONNX | Yes |
Schulungsalgorithmusdetails
Das Tweedie-Boost-Modell folgt der Mathematik, die in Insurance Premium Prediction über Gradient Tree-Boosted Tweedie Compound Poisson Models von Yang, Quan und Zou gegründet wurde. Eine Einführung in die Farbverlaufsverhebung und weitere Informationen finden Sie unter Wikipedia: Farbverlaufsverhebung (Farbverlaufsbaum-Erhöhung) oder Gierige Funktionsanhebung: Ein Farbverlaufs-Erhöhungsgerät.
Überprüfen Sie den Abschnitt "Siehe auch", um Links zu Verwendungsbeispielen zu finden.
Felder
| FeatureColumn |
Die Featurespalte, die der Trainer erwartet. (Geerbt von TrainerEstimatorBase<TTransformer,TModel>) |
| GroupIdColumn |
Die optionale GroupID-Spalte, die die Bewertungstrainer erwarten. (Geerbt von TrainerEstimatorBaseWithGroupId<TTransformer,TModel>) |
| LabelColumn |
Die Bezeichnungsspalte, die der Trainer erwartet. Kann sein |
| WeightColumn |
Die Gewichtsspalte, die der Trainer erwartet.
|
Eigenschaften
| Info |
Die IEstimator<TTransformer> für die Schulung eines Entscheidungsstruktur-Regressionsmodells mit Tweedie-Verlustfunktion. Dieser Trainer ist eine Generalisierung von Poisson, zusammengesetztem Poisson und Gamma-Regression. (Geerbt von FastTreeTrainerBase<TOptions,TTransformer,TModel>) |
Methoden
| Fit(IDataView, IDataView) |
Ruft eine FastTreeTweedieTrainer Verwendung von Schulungs- und Validierungsdaten ab, gibt einen RegressionPredictionTransformer<TModel>Wert zurück. |
| Fit(IDataView) |
Züge und zurückgeben eine ITransformer. (Geerbt von TrainerEstimatorBase<TTransformer,TModel>) |
| GetOutputSchema(SchemaShape) |
Die IEstimator<TTransformer> für die Schulung eines Entscheidungsstruktur-Regressionsmodells mit Tweedie-Verlustfunktion. Dieser Trainer ist eine Generalisierung von Poisson, zusammengesetztem Poisson und Gamma-Regression. (Geerbt von TrainerEstimatorBase<TTransformer,TModel>) |
Erweiterungsmethoden
| AppendCacheCheckpoint<TTrans>(IEstimator<TTrans>, IHostEnvironment) |
Fügen Sie einen "Zwischenspeicherpunkt" an die Stimatorkette an. Dadurch wird sichergestellt, dass die nachgelagerten Stimatoren gegen zwischengespeicherte Daten trainiert werden. Es ist hilfreich, einen Cache-Prüfpunkt zu haben, bevor Trainer, die mehrere Daten übergeben. |
| WithOnFitDelegate<TTransformer>(IEstimator<TTransformer>, Action<TTransformer>) |
Geben Sie aufgrund einer Schätzung ein Umbruchobjekt zurück, das einen Stellvertretung aufruft, sobald Fit(IDataView) er aufgerufen wird. Es ist oft wichtig, dass eine Schätzung Informationen zu dem zurückgibt, was passt, weshalb die Fit(IDataView) Methode ein spezifisches typiertes Objekt zurückgibt, anstatt nur ein allgemeines ITransformer. Gleichzeitig IEstimator<TTransformer> werden jedoch oft Pipelines mit vielen Objekten gebildet, sodass wir möglicherweise eine Kette von EstimatorChain<TLastTransformer> Schätzern erstellen müssen, über die der Schätzer, für den wir den Transformator erhalten möchten, irgendwo in dieser Kette begraben wird. Für dieses Szenario können wir über diese Methode eine Stellvertretung anfügen, die einmal aufgerufen wird, wenn die Anpassung aufgerufen wird. |