Microsoft.ML.Trainers.FastTree Espacio de nombres

Espacio de nombres que contiene instructores, parámetros de modelo y utilidades para algoritmos de árbol rápido.

Clases

BoostedTreeOptions	Opciones para aumentar los entrenadores de árbol.
BoostingFastTreeTrainerBase<TOptions,TTransformer,TModel>	Espacio de nombres que contiene instructores, parámetros de modelo y utilidades para algoritmos de árbol rápido.
ConsecutiveGeneralityLossRule	Pérdida consecutiva en general (UP).
EarlyStoppingRule	Espacio de nombres que contiene instructores, parámetros de modelo y utilidades para algoritmos de árbol rápido.
EarlyStoppingRuleBase	Regla de detención temprana usada para finalizar el proceso de entrenamiento una vez que cumpla un criterio especificado. Se usa para establecer EarlyStoppingRuleEarlyStoppingRule.
FastForestBinaryFeaturizationEstimator	para IEstimator<TTransformer> transformar el vector de características de entrada en características basadas en árboles.
FastForestBinaryFeaturizationEstimator.Options	Opciones de FastForestBinaryFeaturizationEstimator.
FastForestBinaryModelParameters	Parámetros de modelo para FastForestBinaryTrainer.
FastForestBinaryTrainer	IEstimator<TTransformer> para entrenar un modelo de clasificación binaria de árbol de decisión mediante Fast Forest.
FastForestBinaryTrainer.Options	Opciones de como FastForestBinaryTrainer se usa en FastForest(Options).
FastForestOptionsBase	Clase base para opciones rápidas del instructor de bosque.
FastForestRegressionFeaturizationEstimator	para IEstimator<TTransformer> transformar el vector de características de entrada en características basadas en árboles.
FastForestRegressionFeaturizationEstimator.Options	Opciones de FastForestRegressionFeaturizationEstimator.
FastForestRegressionModelParameters	Parámetros de modelo para FastForestRegressionTrainer.
FastForestRegressionTrainer	IEstimator<TTransformer> para entrenar un modelo de regresión de árbol de decisión mediante Fast Forest.
FastForestRegressionTrainer.Options	Opciones de como FastForestRegressionTrainer se usa en FastForest(Options).
FastTreeBinaryFeaturizationEstimator	para IEstimator<TTransformer> transformar el vector de características de entrada en características basadas en árboles.
FastTreeBinaryFeaturizationEstimator.Options	Opciones de FastTreeBinaryFeaturizationEstimator.
FastTreeBinaryModelParameters	Parámetros de modelo para FastTreeBinaryTrainer.
FastTreeBinaryTrainer	IEstimator<TTransformer> para entrenar un modelo de clasificación binaria de árbol de decisión mediante FastTree.
FastTreeBinaryTrainer.Options	Opciones de como FastTreeBinaryTrainer se usa en FastTree(Options).
FastTreeRankingFeaturizationEstimator	para IEstimator<TTransformer> transformar el vector de características de entrada en características basadas en árboles.
FastTreeRankingFeaturizationEstimator.Options	Opciones de FastTreeRankingFeaturizationEstimator.
FastTreeRankingModelParameters	Parámetros de modelo para FastTreeRankingTrainer.
FastTreeRankingTrainer	IEstimator<TTransformer> para entrenar un modelo de clasificación de árbol de decisión mediante FastTree.
FastTreeRankingTrainer.Options	Opciones de como FastTreeRankingTrainer se usa en FastTree(Options).
FastTreeRegressionFeaturizationEstimator	para IEstimator<TTransformer> transformar el vector de características de entrada en características basadas en árboles.
FastTreeRegressionFeaturizationEstimator.Options	Opciones de FastTreeRegressionFeaturizationEstimator.
FastTreeRegressionModelParameters	Parámetros de modelo para FastForestRegressionTrainer.
FastTreeRegressionTrainer	IEstimator<TTransformer> para entrenar un modelo de regresión de árbol de decisión mediante FastTree.
FastTreeRegressionTrainer.Options	Opciones de como FastTreeRegressionTrainer se usa en FastTree(Options).
FastTreeTrainerBase<TOptions,TTransformer,TModel>	Espacio de nombres que contiene instructores, parámetros de modelo y utilidades para algoritmos de árbol rápido.
FastTreeTweedieFeaturizationEstimator	para IEstimator<TTransformer> transformar el vector de características de entrada en características basadas en árboles.
FastTreeTweedieFeaturizationEstimator.Options	Opciones de FastTreeTweedieFeaturizationEstimator.
FastTreeTweedieModelParameters	Parámetros de modelo para FastTreeTweedieTrainer.
FastTreeTweedieTrainer	IEstimator<TTransformer> para entrenar un modelo de regresión de árbol de decisión mediante la función de pérdida de Tweedie. Este entrenador es una generalización de Poisson, compuesto Poisson y regresión gamma.
FastTreeTweedieTrainer.Options	Opciones de como FastTreeTweedieTrainer se usa en FastTreeTweedie(Options).
GamBinaryModelParameters	Parámetros de modelo para GamBinaryTrainer.
GamBinaryTrainer	IEstimator<TTransformer> para entrenar un modelo de clasificación binaria con modelos aditivos generalizados (GAM).
GamBinaryTrainer.Options	Opciones de como GamBinaryTrainer se usa en Gam(Options).
GamModelParametersBase	Clase base para los parámetros del modelo GAM.
GamRegressionModelParameters	Parámetros de modelo para GamRegressionTrainer.
GamRegressionTrainer	IEstimator<TTransformer> para entrenar un modelo de regresión con modelos aditivos generalizados (GAM).
GamRegressionTrainer.Options	Opciones de como GamRegressionTrainer se usa en Gam(Options).
GamTrainerBase<TOptions,TTransformer,TPredictor>.OptionsBase	Clase base para opciones de instructor basadas en GAM.
GamTrainerBase<TOptions,TTransformer,TPredictor>	Clase base para instructores de GAM.
GeneralityLossRule	Pérdida de generalidad (GL).
GeneralityToProgressRatioRule	Generalidad con relación de progreso (PQ).
LowProgressRule	Bajo progreso (LP). Esta regla se activa cuando las mejoras en la puntuación se detiene.
MovingWindowRule	Espacio de nombres que contiene instructores, parámetros de modelo y utilidades para algoritmos de árbol rápido.
PretrainedTreeFeaturizationEstimator	Un IEstimator<TTransformer> objeto que contiene un previamente entrenado TreeEnsembleModelParameters y una llamada a genera Fit(IDataView) un caracterizador basado en el modelo entrenado previamente.
PretrainedTreeFeaturizationEstimator.Options	PretrainedTreeFeaturizationEstimator.Options de PretrainedTreeFeaturizationEstimator como se usa al llamar a FeaturizeByPretrainTreeEnsemble(TransformsCatalog, PretrainedTreeFeaturizationEstimator+Options).
QuantileRegressionTree	Clase contenedora para exponer Microsoft.ML.Trainers.FastTree.InternalQuantileRegressionTreelos atributos de los usuarios. Esta clase no debe ser mutable, por lo que contiene muchos miembros de solo lectura. Además de las cosas heredadas de RegressionTreeBase, agregamos GetLeafSamplesAt(Int32) y GetLeafSampleWeightsAt(Int32) exponemos (sub muestreado) etiquetas de entrenamiento que entran en la hoja leafIndex-th y sus pesos.
QuantileRegressionTreeEnsemble	Espacio de nombres que contiene instructores, parámetros de modelo y utilidades para algoritmos de árbol rápido.
RandomForestTrainerBase<TOptions,TTransformer,TModel>	Espacio de nombres que contiene instructores, parámetros de modelo y utilidades para algoritmos de árbol rápido.
RegressionTree	Clase contenedora para exponer Microsoft.ML.Trainers.FastTree.InternalRegressionTreelos atributos de los usuarios. Esta clase no debe ser mutable, por lo que contiene muchos miembros de solo lectura. Tenga en cuenta que RegressionTree es idéntico a RegressionTreeBase pero en otra clase QuantileRegressionTree derivada se agregan algunos atributos.
RegressionTreeBase	Clase base de contenedor para exponer Microsoft.ML.Trainers.FastTree.InternalRegressionTreelos atributos y Microsoft.ML.Trainers.FastTree.InternalQuantileRegressionTreede los usuarios. Esta clase no debe ser mutable, por lo que contiene muchos miembros de solo lectura.
RegressionTreeEnsemble	Espacio de nombres que contiene instructores, parámetros de modelo y utilidades para algoritmos de árbol rápido.
TolerantEarlyStoppingRule	Espacio de nombres que contiene instructores, parámetros de modelo y utilidades para algoritmos de árbol rápido.
TreeEnsemble<T>	Lista de RegressionTreeBasela clase derivada. Para calcular el valor de salida de , TreeEnsemble<T>es necesario calcular los valores de salida de todos los árboles de Trees, escalar esos valores a través TreeWeightsde y, por último, sumar los valores escalados y Bias verticales.
TreeEnsembleFeaturizationEstimatorBase	Esta clase encapsula el comportamiento común de todos los caracterizadores basados en árbol, como FastTreeBinaryFeaturizationEstimator, , FastForestBinaryFeaturizationEstimatorFastTreeRegressionFeaturizationEstimator, FastForestRegressionFeaturizationEstimatory PretrainedTreeFeaturizationEstimator. Todos los caracterizadores basados en árbol comparten el mismo esquema de salida calculado por GetOutputSchema(SchemaShape). Todos los caracterizadores basados en árboles requieren un nombre de columna de característica de entrada y un sufijo para todas las columnas de salida. El ITransformer devuelto por Fit(IDataView) genera tres columnas: (1) los valores de predicción de todos los árboles, (2) los identificadores de deja el vector de característica de entrada en el que se encuentran y (3) el vector binario que codifica las rutas de acceso a esas hojas de destino.
TreeEnsembleFeaturizationEstimatorBase.OptionsBase	Las opciones comunes de caracterizaciones basadas en árboles, como FastTreeBinaryFeaturizationEstimator, FastForestBinaryFeaturizationEstimator, FastTreeRegressionFeaturizationEstimator, FastForestRegressionFeaturizationEstimatory PretrainedTreeFeaturizationEstimator.
TreeEnsembleFeaturizationTransformer	ITransformer resultante de ajustar cualquier clase derivada de TreeEnsembleFeaturizationEstimatorBase. Las clases derivadas incluyen, por ejemplo, FastTreeBinaryFeaturizationEstimator y FastForestRegressionFeaturizationEstimator.
TreeEnsembleModelParameters	Espacio de nombres que contiene instructores, parámetros de modelo y utilidades para algoritmos de árbol rápido.
TreeEnsembleModelParametersBasedOnQuantileRegressionTree	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.
TreeEnsembleModelParametersBasedOnRegressionTree	TreeEnsembleModelParametersBasedOnRegressionTree 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.TreeEnsembleModelParametersBasedOnRegressionTree.CreateTreeEnsembleFromInternalDataStructurepara crear TrainedTreeEnsemble dentro TreeEnsembleModelParametersde . Tenga en cuenta que la diferencia principal entre TreeEnsembleModelParametersBasedOnQuantileRegressionTree y TreeEnsembleModelParametersBasedOnRegressionTree es el tipo de TrainedTreeEnsemble.
TreeOptions	Opciones para entrenadores de árbol.

Enumeraciones

BoostedTreeOptions.OptimizationAlgorithmType	Tipos de algoritmos de optimización.
Bundle	Espacio de nombres que contiene instructores, parámetros de modelo y utilidades para algoritmos de árbol rápido.
EarlyStoppingMetric	Detener medidas para la clasificación y la regresión.
EarlyStoppingRankingMetric	Detener medidas para la clasificación.