BoostedTreeOptions Clase

Definición

Espacio de nombres:

Microsoft.ML.Trainers.FastTree

Ensamblado:

Microsoft.ML.FastTree.dll

Paquete:

Microsoft.ML.FastTree v3.0.1

Opciones para impulsar entrenadores de árboles.

public abstract class BoostedTreeOptions : Microsoft.ML.Trainers.FastTree.TreeOptions

type BoostedTreeOptions = class
    inherit TreeOptions

Public MustInherit Class BoostedTreeOptions
Inherits TreeOptions

Herencia

Object

TrainerInputBase

TrainerInputBaseWithLabel

TrainerInputBaseWithWeight

TrainerInputBaseWithGroupId

TreeOptions

BoostedTreeOptions

Derivado

Microsoft.ML.Trainers.FastTree.FastTreeBinaryTrainer.Options

Microsoft.ML.Trainers.FastTree.FastTreeRankingTrainer.Options

Microsoft.ML.Trainers.FastTree.FastTreeRegressionTrainer.Options

Microsoft.ML.Trainers.FastTree.FastTreeTweedieTrainer.Options

Constructores

BoostedTreeOptions()

Opciones para impulsar entrenadores de árboles.

Campos

AllowEmptyTrees	Cuando una división raíz es imposible, permita que el entrenamiento continúe. (Heredado de TreeOptions)
BaggingExampleFraction	Porcentaje de ejemplos de entrenamiento usados en cada bolsa. El valor predeterminado es 0,7 (70 %). (Heredado de TreeOptions)
BaggingSize	Número de árboles de cada contenedor (0 para deshabilitar el etiquetado). (Heredado de TreeOptions)
BestStepRankingRegressionTrees	Opción para usar los mejores árboles de pasos de regresión.
Bias	Sesgo para calcular el degradado de cada intervalo de características para una característica de categorías. (Heredado de TreeOptions)
Bundling	Agrupar cubos de población bajos. Bundle.None(0): no hay agrupación, Bundle.AggregateLowPopulation(1): Agrupación de población baja, Bundle.Adjacent(2): agrupación de población baja vecina. (Heredado de TreeOptions)
CategoricalSplit	Si se debe dividir en función de varios valores de características de categorías. (Heredado de TreeOptions)
CompressEnsemble	Comprima el conjunto de árboles. (Heredado de TreeOptions)
DiskTranspose	Si se va a utilizar el disco o las instalaciones nativas de transposición de los datos (si procede) al realizar la transposición. (Heredado de TreeOptions)
DropoutRate	Tasa de eliminación para la regularización de árboles.
EnablePruning	Habilite la eliminación del árbol posterior al entrenamiento para evitar el sobreajuste. Requiere un conjunto de validación.
EntropyCoefficient	Coeficiente de entropía (regularización) entre 0 y 1. (Heredado de TreeOptions)
ExampleWeightColumnName	Columna que se va a usar por ejemplo, peso. (Heredado de TrainerInputBaseWithWeight)
ExecutionTime	Desglose del tiempo de ejecución de impresión en ML.NET canal. (Heredado de TreeOptions)
FeatureColumnName	Columna que se va a usar para las características. (Heredado de TrainerInputBase)
FeatureFirstUsePenalty	Coeficiente de penalización del primer uso de una característica. (Heredado de TreeOptions)
FeatureFlocks	Si se recopilan características durante la preparación del conjunto de datos para acelerar el entrenamiento. (Heredado de TreeOptions)
FeatureFraction	Fracción de características (elegidas aleatoriamente) que se van a usar en cada iteración. Use el 0,9 si solo se necesita el 90 % de las características. Los números más bajos ayudan a reducir el sobreajuste. (Heredado de TreeOptions)
FeatureFractionPerSplit	Fracción de características (elegidas aleatoriamente) que se usarán en cada división. Si el valor es del 0,9, el 90 % de todas las características se descartaría según lo esperado. (Heredado de TreeOptions)
FeatureReusePenalty	Coeficiente de penalización de uso (regularización) de la característica. (Heredado de TreeOptions)
FeatureSelectionSeed	Valor de inicialización de la selección de características activa. (Heredado de TreeOptions)
FilterZeroLambdas	Filtre cero lambdas durante el entrenamiento.
GainConfidenceLevel	El ajuste de árbol obtiene un requisito de confianza. Considere solo una ganancia si su probabilidad frente a una ganancia de elección aleatoria está por encima de este valor. (Heredado de TreeOptions)
GetDerivativesSampleRate	Muestree cada consulta 1 en k veces en la función GetDerivatives.
HistogramPoolSize	Número de histogramas del grupo (entre 2 y numLeaves). (Heredado de TreeOptions)
LabelColumnName	Columna que se va a usar para las etiquetas. (Heredado de TrainerInputBaseWithLabel)
LearningRate	Velocidad de aprendizaje.
MaximumBinCountPerFeature	Número máximo de valores distintos (intervalos) por característica. (Heredado de TreeOptions)
MaximumCategoricalGroupCountPerNode	Número máximo de grupos de división por categorías que se deben tener en cuenta al dividir en una característica de categorías. Los grupos divididos son una colección de puntos de división. Esto se usa para reducir el sobreajuste cuando hay muchas características categóricas. (Heredado de TreeOptions)
MaximumCategoricalSplitPointCount	Máximo de puntos de división categóricos que se deben tener en cuenta al dividir en una característica de categorías. (Heredado de TreeOptions)
MaximumNumberOfLineSearchSteps	Número de pasos de búsqueda de línea entre corchetes.
MaximumTreeOutput	Límite superior en el valor absoluto de la salida de un solo árbol.
MemoryStatistics	Imprima estadísticas de memoria en ML.NET canal. (Heredado de TreeOptions)
MinimumExampleCountPerLeaf	Número mínimo de puntos de datos necesarios para formar una nueva hoja de árbol. (Heredado de TreeOptions)
MinimumExampleFractionForCategoricalSplit	Porcentaje mínimo de ejemplo de categorías en un contenedor que se debe tener en cuenta para una división. El valor predeterminado es el 0,1 % de todos los ejemplos de entrenamiento. (Heredado de TreeOptions)
MinimumExamplesForCategoricalSplit	Recuento mínimo de ejemplos de categorías en un contenedor que se debe tener en cuenta para una división. (Heredado de TreeOptions)
MinimumStepSize	Tamaño mínimo del paso de búsqueda de líneas.
NumberOfLeaves	Número máximo de hojas en cada árbol de regresión. (Heredado de TreeOptions)
NumberOfThreads	El número de subprocesos que se va a usar. (Heredado de TreeOptions)
NumberOfTrees	Número total de árboles de decisión que se van a crear en el conjunto. (Heredado de TreeOptions)
OptimizationAlgorithm	Algoritmo de optimización que se va a usar.
PruningThreshold	Umbral de tolerancia para la eliminación.
PruningWindowSize	Tamaño de ventana móvil para la eliminación.
RandomStart	El entrenamiento comienza a partir del orden aleatorio (determinado por /r1).
RowGroupColumnName	Columna que se va a usar por ejemplo groupId. (Heredado de TrainerInputBaseWithGroupId)
Seed	Inicialización del generador de números aleatorios. (Heredado de TreeOptions)
Shrinkage	Contracción.
Smoothing	Parámetro de suavizado para la regularización de árboles. (Heredado de TreeOptions)
SoftmaxTemperature	La temperatura de la distribución softmax aleatoria para elegir la característica. (Heredado de TreeOptions)
SparsifyThreshold	Nivel de dispersidad necesario para usar la representación de características dispersas. (Heredado de TreeOptions)
TestFrequency	Calcule los valores de métricas de entrenamiento, válidos y de prueba cada k rounds. (Heredado de TreeOptions)
UseLineSearch	Determina si se va a usar la búsqueda de líneas para un tamaño de paso.
UseTolerantPruning	Use ventana y tolerancia para la eliminación.
WriteLastEnsemble	Escriba el último conjunto en lugar del determinado por la detención temprana.

Propiedades

EarlyStoppingRule

Regla de detención temprana que se usa para finalizar el proceso de entrenamiento una vez que se cumple un criterio especificado. Las opciones posibles son EarlyStoppingRuleBaselas implementaciones de , como TolerantEarlyStoppingRule y GeneralityLossRule.