TreeEnsembleModelParametersBasedOnQuantileRegressionTree Clase

Definición

Espacio de nombres:

Microsoft.ML.Trainers.FastTree

Ensamblado:

Microsoft.ML.FastTree.dll

Paquete:

Microsoft.ML.FastTree v3.0.1

TreeEnsembleModelParametersBasedOnQuantileRegressionTree se deriva de TreeEnsembleModelParameters más un atributo público fuertemente tipado, TrainedTreeEnsemble, para exponer los detalles del modelo entrenado a los usuarios. Se llama a su función , Microsoft.ML.Trainers.FastTree.TreeEnsembleModelParametersBasedOnQuantileRegressionTree.CreateTreeEnsembleFromInternalDataStructurepara crear TrainedTreeEnsemble dentro TreeEnsembleModelParametersde . Tenga en cuenta que la diferencia principal entre TreeEnsembleModelParametersBasedOnQuantileRegressionTree y TreeEnsembleModelParametersBasedOnRegressionTree es el tipo de TrainedTreeEnsemble.

public abstract class TreeEnsembleModelParametersBasedOnQuantileRegressionTree : Microsoft.ML.Trainers.FastTree.TreeEnsembleModelParameters

type TreeEnsembleModelParametersBasedOnQuantileRegressionTree = class
    inherit TreeEnsembleModelParameters

Public MustInherit Class TreeEnsembleModelParametersBasedOnQuantileRegressionTree
Inherits TreeEnsembleModelParameters

Herencia

Object

ModelParametersBase<Single>

TreeEnsembleModelParameters

TreeEnsembleModelParametersBasedOnQuantileRegressionTree

Derivado

Microsoft.ML.Trainers.FastTree.FastForestBinaryModelParameters

Microsoft.ML.Trainers.FastTree.FastForestRegressionModelParameters

Propiedades

TrainedTreeEnsemble

Un conjunto de árboles expuestos a los usuarios. Es un contenedor en en internalMicrosoft.ML.Trainers.FastTree.InternalTreeEnsembleTreeEnsemble<T>.

Métodos

GetFeatureWeights(VBuffer<Single>)

Obtenga las ganancias de división acumulativas para cada característica en todos los árboles. (Heredado de TreeEnsembleModelParameters)

Implementaciones de interfaz explícitas

ICalculateFeatureContribution.FeatureContributionCalculator

Se usa para determinar la contribución de cada característica a la puntuación de un ejemplo por FeatureContributionCalculatingTransformer. El cálculo de la contribución de características consiste esencialmente en determinar qué divisiones del árbol tienen el mayor impacto en la puntuación final y asignar el valor del impacto a las características que determinan la división. Con mayor precisión, la contribución de una característica es igual al cambio en la puntuación generada explorando el subárbol opuesto cada vez que se encuentra un nodo de decisión para la característica determinada. Considere un caso sencillo con un único árbol de decisión que tenga un nodo de decisión para la característica binaria F1. Dado un ejemplo que tiene la característica F1 igual a true, podemos calcular la puntuación que habría obtenido si elegimos el subárbol correspondiente a la característica F1 siendo igual a false mientras mantiene constantes las otras características. La contribución de la característica F1 para el ejemplo dado es la diferencia entre la puntuación original y la puntuación obtenida tomando la decisión opuesta en el nodo correspondiente a la característica F1. Este algoritmo se extiende de forma natural a los modelos con muchos árboles de decisión. (Heredado de TreeEnsembleModelParameters)

ICanSaveModel.Save(ModelSaveContext)

TreeEnsembleModelParametersBasedOnQuantileRegressionTree se deriva de TreeEnsembleModelParameters más un atributo público fuertemente tipado, TrainedTreeEnsemble, para exponer los detalles del modelo entrenado a los usuarios. Se llama a su función , Microsoft.ML.Trainers.FastTree.TreeEnsembleModelParametersBasedOnQuantileRegressionTree.CreateTreeEnsembleFromInternalDataStructurepara crear TrainedTreeEnsemble dentro TreeEnsembleModelParametersde . Tenga en cuenta que la diferencia principal entre TreeEnsembleModelParametersBasedOnQuantileRegressionTree y TreeEnsembleModelParametersBasedOnRegressionTree es el tipo de TrainedTreeEnsemble. (Heredado de ModelParametersBase<TOutput>)