Freigeben über


FeatureContributionCalculatingEstimator Klasse

Definition

Stimator für FeatureContributionCalculatingTransformer. Berechnet modellspezifische Beiträge pro Feature zur Bewertung jedes Eingabevektors.

public sealed class FeatureContributionCalculatingEstimator : Microsoft.ML.Data.TrivialEstimator<Microsoft.ML.Transforms.FeatureContributionCalculatingTransformer>
type FeatureContributionCalculatingEstimator = class
    inherit TrivialEstimator<FeatureContributionCalculatingTransformer>
Public NotInheritable Class FeatureContributionCalculatingEstimator
Inherits TrivialEstimator(Of FeatureContributionCalculatingTransformer)
Vererbung
FeatureContributionCalculatingEstimator

Hinweise

Stimatoreigenschaften

Muss diese Schätzung die Daten untersuchen, um seine Parameter zu trainieren? No
Eingabespaltendatentyp Bekannte Vektor von Single
Ausgabespaltendatentyp Bekannte Vektor von Single
Exportierbar in ONNX No

Die Bewertung eines Datasets mit einem trainierten Modell erzeugt eine Bewertung oder Vorhersage für jedes Beispiel. Um diese Vorhersagen zu verstehen und zu erläutern, kann es nützlich sein, zu prüfen, welche Features sie am wichtigsten beeinflusst haben. Dieser Transformator berechnet eine modellspezifische Liste der Pro-Feature-Beiträge für die Bewertung für jedes Beispiel. Diese Beiträge können positiv sein (sie machen die Bewertung höher) oder negativ (sie machen die Bewertung niedriger).

Die Featurebeitragsberechnung wird derzeit für die folgenden Modelle unterstützt:

Für lineare Modelle ist der Beitrag eines bestimmten Features gleich dem Produkt des Featurewerts der entsprechenden Gewichtung. Ähnlich ist für generalisierte Additive Modelle (GAM) der Beitrag eines Features gleich der Formfunktion für das angegebene Feature, das am Featurewert ausgewertet wird.

Bei baumbasierten Modellen besteht die Berechnung des Featurebeitrags im Wesentlichen darin, zu bestimmen, welche Splits in der Struktur die meisten Auswirkungen auf die Endbewertung haben und den Wert der Auswirkungen auf die Features zuweisen, die den Geteilten bestimmen. Genauer gesagt ist der Beitrag eines Features gleich der Änderung der Bewertung, die durch die Untersuchung der entgegengesetzten Unterstruktur erstellt wird, jedes Mal, wenn ein Entscheidungsknoten für das angegebene Feature aufgetreten ist. Berücksichtigen Sie einen einfachen Fall mit einer einzelnen Entscheidungsstruktur, die einen Entscheidungsknoten für das binäre Feature F1 aufweist. Angesichts eines Beispiels, das das Feature F1 gleich "true" aufweist, können wir die Bewertung berechnen, die sie erhalten hätte, wenn wir die Unterstruktur ausgewählt haben, die dem Feature F1 entspricht, das "false" entspricht, während die anderen Features konstant bleiben. Der Beitrag von Feature F1 für das angegebene Beispiel ist der Unterschied zwischen der ursprünglichen Bewertung und der Bewertung, die durch die entgegengesetzte Entscheidung am Knoten erzielt wird, der dem Feature F1 entspricht. Dieser Algorithmus erweitert sich natürlich auf Modelle mit vielen Entscheidungsbäumen.

Überprüfen Sie den Abschnitt "Siehe auch", um Links zu Verwendungsbeispielen zu finden.

Methoden

Fit(IDataView)

Stimator für FeatureContributionCalculatingTransformer. Berechnet modellspezifische Beiträge pro Feature zur Bewertung jedes Eingabevektors.

(Geerbt von TrivialEstimator<TTransformer>)
GetOutputSchema(SchemaShape)

Gibt das SchemaShape Schema zurück, das vom Transformator erzeugt wird. Wird für die Schemavermehrung und Überprüfung in einer Pipeline verwendet.

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.

Gilt für:

Weitere Informationen