FastTreeBinaryTrainer.Options Clase

Definición

Espacio de nombres:

Microsoft.ML.Trainers.FastTree

Ensamblado:

Microsoft.ML.FastTree.dll

Paquete:

Microsoft.ML.FastTree v2.0.0

Opciones de como FastTreeBinaryTrainer se usa en FastTree(Options).

public sealed class FastTreeBinaryTrainer.Options : Microsoft.ML.Trainers.FastTree.BoostedTreeOptions, Microsoft.ML.Runtime.IComponentFactory<Microsoft.ML.ITrainer>

type FastTreeBinaryTrainer.Options = class
    inherit BoostedTreeOptions
    interface IComponentFactory<ITrainer>
    interface IComponentFactory

Public NotInheritable Class FastTreeBinaryTrainer.Options
Inherits BoostedTreeOptions
Implements IComponentFactory(Of ITrainer)

Herencia

Object

TrainerInputBase

TrainerInputBaseWithLabel

TrainerInputBaseWithWeight

TrainerInputBaseWithGroupId

TreeOptions

BoostedTreeOptions

FastTreeBinaryTrainer.Options

Implementaciones

IComponentFactory IComponentFactory<Microsoft.ML.ITrainer>

Constructores

FastTreeBinaryTrainer.Options()

Cree un nuevo FastTreeBinaryTrainer.Options objeto con valores predeterminados.

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 bolsa (0 para deshabilitar el etiquetado). (Heredado de TreeOptions)
BestStepRankingRegressionTrees	Opción para usar los mejores árboles de pasos de regresión. (Heredado de BoostedTreeOptions)
Bias	Sesgo para calcular el degradado de cada contenedor de características para una característica de categorías. (Heredado de TreeOptions)
Bundling	Agrupación de cubos de población bajos. Bundle.None(0): sin agrupación, Bundle.AggregateLowPopulation(1): Agrupación baja población, Bundle.Adjacent(2): agrupación baja de población vecina. (Heredado de TreeOptions)
CategoricalSplit	Si se va a dividir en función de varios valores de características de categorías. (Heredado de TreeOptions)
CompressEnsemble	Comprima el conjunto de árbol. (Heredado de TreeOptions)
DiskTranspose	Si se va a utilizar el disco o las instalaciones nativas de adaptación de los datos (si procede) al realizar la transposición. (Heredado de TreeOptions)
DropoutRate	Tasa de eliminación para la regularización de árboles. (Heredado de BoostedTreeOptions)
EnablePruning	Habilite la eliminación posterior al árbol de entrenamiento para evitar el sobreajuste. Requiere un conjunto de validación. (Heredado de BoostedTreeOptions)
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 usarán en cada iteración. Use el 0,9 si solo se necesita el 90 % de las características. Los números inferiores ayudan a reducir el sobreajuste. (Heredado de TreeOptions)
FeatureFractionPerSplit	Fracción de características (elegidas aleatoriamente) que se usarán en cada división. Si el valor es 0,9, el 90 % de todas las características se eliminaría en expectativa. (Heredado de TreeOptions)
FeatureReusePenalty	Coeficiente de penalización de uso (regularización) de la característica. (Heredado de TreeOptions)
FeatureSelectionSeed	Inicialización de la selección de características activa. (Heredado de TreeOptions)
FilterZeroLambdas	Filtre cero lambdas durante el entrenamiento. (Heredado de BoostedTreeOptions)
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. (Heredado de BoostedTreeOptions)
HistogramPoolSize	Número de histogramas en el 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. (Heredado de BoostedTreeOptions)
MaximumBinCountPerFeature	Número máximo de valores distintos (intervalos) por característica. (Heredado de TreeOptions)
MaximumCategoricalGroupCountPerNode	Máximo de grupos de división de 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 de categorías 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. (Heredado de BoostedTreeOptions)
MaximumTreeOutput	Límite superior en el valor absoluto de salida de árbol único. (Heredado de BoostedTreeOptions)
MemoryStatistics	Imprima estadísticas de memoria en ML.NET canal. (Heredado de TreeOptions)
MinimumExampleCountPerLeaf	Número mínimo de puntos de datos necesarios para formar una hoja de árbol nueva. (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 ejemplo 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. (Heredado de BoostedTreeOptions)
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. (Heredado de BoostedTreeOptions)
PruningThreshold	Umbral de tolerancia para la eliminación. (Heredado de BoostedTreeOptions)
PruningWindowSize	Tamaño de la ventana móvil para la eliminación. (Heredado de BoostedTreeOptions)
RandomStart	El entrenamiento comienza a partir del orden aleatorio (determinado por /r1). (Heredado de BoostedTreeOptions)
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. (Heredado de BoostedTreeOptions)
Smoothing	Parámetro de suavizado para la regularización de árboles. (Heredado de TreeOptions)
SoftmaxTemperature	Temperatura de la distribución softmax aleatoria para elegir la característica. (Heredado de TreeOptions)
SparsifyThreshold	Nivel de dispersión necesario para usar la representación de características dispersas. (Heredado de TreeOptions)
TestFrequency	Calcule los valores de métricas para entrenar, validar o probar cada k rounds. (Heredado de TreeOptions)
UnbalancedSets	Si se usan derivados optimizados para datos de entrenamiento desequilibrados.
UseLineSearch	Determina si se va a usar la búsqueda de líneas para un tamaño de paso. (Heredado de BoostedTreeOptions)
UseTolerantPruning	Use ventana y tolerancia para la eliminación. (Heredado de BoostedTreeOptions)
WriteLastEnsemble	Escriba el último conjunto en lugar del determinado por la detención temprana. (Heredado de BoostedTreeOptions)

Propiedades

EarlyStoppingMetric	Métricas de detención temprana.
EarlyStoppingRule	Regla de detención temprana usada para finalizar el proceso de entrenamiento una vez que cumpla un criterio especificado. Las posibles opciones son EarlyStoppingRuleBaselas implementaciones de , como TolerantEarlyStoppingRule y GeneralityLossRule. (Heredado de BoostedTreeOptions)

Implementaciones de interfaz explícitas

IComponentFactory<ITrainer>.CreateComponent(IHostEnvironment)

Opciones de como FastTreeBinaryTrainer se usa en FastTree(Options).