Compartir a través de


TreeOptions Clase

Definición

Opciones para entrenadores de árbol.

public abstract class TreeOptions : Microsoft.ML.Trainers.TrainerInputBaseWithGroupId
type TreeOptions = class
    inherit TrainerInputBaseWithGroupId
Public MustInherit Class TreeOptions
Inherits TrainerInputBaseWithGroupId
Herencia
Derivado

Constructores

TreeOptions()

Opciones para entrenadores de árbol.

Campos

AllowEmptyTrees

Cuando una división raíz es imposible, permita que el entrenamiento continúe.

BaggingExampleFraction

Porcentaje de ejemplos de entrenamiento usados en cada bolsa. El valor predeterminado es 0,7 (70 %).

BaggingSize

Número de árboles de cada bolsa (0 para deshabilitar el etiquetado).

Bias

Sesgo para calcular el degradado de cada contenedor de características para una característica de categorías.

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.

CategoricalSplit

Si se va a dividir en función de varios valores de características de categorías.

CompressEnsemble

Comprima el conjunto de árbol.

DiskTranspose

Si se va a utilizar el disco o las instalaciones nativas de adaptación de los datos (si procede) al realizar la transposición.

EntropyCoefficient

Coeficiente de entropía (regularización) entre 0 y 1.

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.

FeatureColumnName

Columna que se va a usar para las características.

(Heredado de TrainerInputBase)
FeatureFirstUsePenalty

Coeficiente de penalización del primer uso de una característica.

FeatureFlocks

Si se recopilan características durante la preparación del conjunto de datos para acelerar el entrenamiento.

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.

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.

FeatureReusePenalty

Coeficiente de penalización de uso (regularización) de la característica.

FeatureSelectionSeed

Inicialización de la selección de características activa.

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.

HistogramPoolSize

Número de histogramas en el grupo (entre 2 y numLeaves).

LabelColumnName

Columna que se va a usar para las etiquetas.

(Heredado de TrainerInputBaseWithLabel)
MaximumBinCountPerFeature

Número máximo de valores distintos (intervalos) por característica.

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.

MaximumCategoricalSplitPointCount

Máximo de puntos de división de categorías que se deben tener en cuenta al dividir en una característica de categorías.

MemoryStatistics

Imprima estadísticas de memoria en ML.NET canal.

MinimumExampleCountPerLeaf

Número mínimo de puntos de datos necesarios para formar una hoja de árbol nueva.

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.

MinimumExamplesForCategoricalSplit

Recuento mínimo de ejemplo de categorías en un contenedor que se debe tener en cuenta para una división.

NumberOfLeaves

Número máximo de hojas en cada árbol de regresión.

NumberOfThreads

El número de subprocesos que se va a usar.

NumberOfTrees

Número total de árboles de decisión que se van a crear en el conjunto.

RowGroupColumnName

Columna que se va a usar por ejemplo groupId.

(Heredado de TrainerInputBaseWithGroupId)
Seed

Inicialización del generador de números aleatorios.

Smoothing

Parámetro de suavizado para la regularización de árboles.

SoftmaxTemperature

Temperatura de la distribución softmax aleatoria para elegir la característica.

SparsifyThreshold

Nivel de dispersión necesario para usar la representación de características dispersas.

TestFrequency

Calcule los valores de métricas para entrenar, validar o probar cada k rounds.

Se aplica a