Microsoft.ML.Trainers.FastTree Espace de noms

Espace de noms contenant des formateurs, des paramètres de modèle et des utilitaires pour les algorithmes Fast Tree.

Classes

BoostedTreeOptions	Options d’amélioration des entraîneurs d’arbre.
BoostingFastTreeTrainerBase<TOptions,TTransformer,TModel>	Espace de noms contenant des formateurs, des paramètres de modèle et des utilitaires pour les algorithmes Fast Tree.
ConsecutiveGeneralityLossRule	Perte consécutive en général (UP).
EarlyStoppingRule	Espace de noms contenant des formateurs, des paramètres de modèle et des utilitaires pour les algorithmes Fast Tree.
EarlyStoppingRuleBase	Règle d’arrêt anticipée utilisée pour arrêter le processus d’entraînement une fois qu’elle répond à un critère spécifié. Utilisé pour définir EarlyStoppingRuleEarlyStoppingRule.
FastForestBinaryFeaturizationEstimator	Pour IEstimator<TTransformer> transformer le vecteur de fonctionnalité d’entrée en caractéristiques basées sur des arborescences.
FastForestBinaryFeaturizationEstimator.Options	Options pour le FastForestBinaryFeaturizationEstimator.
FastForestBinaryModelParameters	Paramètres de modèle pour FastForestBinaryTrainer.
FastForestBinaryTrainer	Pour IEstimator<TTransformer> entraîner un modèle de classification binaire d’arbre de décision à l’aide de Fast Forest.
FastForestBinaryTrainer.Options	Options pour l’option FastForestBinaryTrainer utilisée dans FastForest(Options).
FastForestOptionsBase	Classe de base pour les options d’entraînement de forêt rapide.
FastForestRegressionFeaturizationEstimator	Pour IEstimator<TTransformer> transformer le vecteur de fonctionnalité d’entrée en caractéristiques basées sur des arborescences.
FastForestRegressionFeaturizationEstimator.Options	Options pour le FastForestRegressionFeaturizationEstimator.
FastForestRegressionModelParameters	Paramètres de modèle pour FastForestRegressionTrainer.
FastForestRegressionTrainer	Pour IEstimator<TTransformer> entraîner un modèle de régression d’arbre de décision à l’aide de Fast Forest.
FastForestRegressionTrainer.Options	Options pour l’option FastForestRegressionTrainer utilisée dans FastForest(Options).
FastTreeBinaryFeaturizationEstimator	Pour IEstimator<TTransformer> transformer le vecteur de fonctionnalité d’entrée en caractéristiques basées sur des arborescences.
FastTreeBinaryFeaturizationEstimator.Options	Options pour le FastTreeBinaryFeaturizationEstimator.
FastTreeBinaryModelParameters	Paramètres de modèle pour FastTreeBinaryTrainer.
FastTreeBinaryTrainer	Pour IEstimator<TTransformer> entraîner un modèle de classification binaire d’arbre de décision à l’aide de FastTree.
FastTreeBinaryTrainer.Options	Options pour l’option FastTreeBinaryTrainer utilisée dans FastTree(Options).
FastTreeRankingFeaturizationEstimator	Pour IEstimator<TTransformer> transformer le vecteur de fonctionnalité d’entrée en caractéristiques basées sur des arborescences.
FastTreeRankingFeaturizationEstimator.Options	Options pour le FastTreeRankingFeaturizationEstimator.
FastTreeRankingModelParameters	Paramètres de modèle pour FastTreeRankingTrainer.
FastTreeRankingTrainer	Pour IEstimator<TTransformer> entraîner un modèle de classement d’arbre de décision à l’aide de FastTree.
FastTreeRankingTrainer.Options	Options pour l’option FastTreeRankingTrainer utilisée dans FastTree(Options).
FastTreeRegressionFeaturizationEstimator	Pour IEstimator<TTransformer> transformer le vecteur de fonctionnalité d’entrée en caractéristiques basées sur des arborescences.
FastTreeRegressionFeaturizationEstimator.Options	Options pour le FastTreeRegressionFeaturizationEstimator.
FastTreeRegressionModelParameters	Paramètres de modèle pour FastForestRegressionTrainer.
FastTreeRegressionTrainer	Pour IEstimator<TTransformer> entraîner un modèle de régression d’arbre de décision à l’aide de FastTree.
FastTreeRegressionTrainer.Options	Options pour l’option FastTreeRegressionTrainer utilisée dans FastTree(Options).
FastTreeTrainerBase<TOptions,TTransformer,TModel>	Espace de noms contenant des formateurs, des paramètres de modèle et des utilitaires pour les algorithmes Fast Tree.
FastTreeTweedieFeaturizationEstimator	Pour IEstimator<TTransformer> transformer le vecteur de fonctionnalité d’entrée en caractéristiques basées sur des arborescences.
FastTreeTweedieFeaturizationEstimator.Options	Options pour le FastTreeTweedieFeaturizationEstimator.
FastTreeTweedieModelParameters	Paramètres de modèle pour FastTreeTweedieTrainer.
FastTreeTweedieTrainer	Pour IEstimator<TTransformer> entraîner un modèle de régression d’arbre de décision à l’aide de la fonction de perte Tweedie. Ce formateur est une généralisation de Poisson, poisson composé et régression gamma.
FastTreeTweedieTrainer.Options	Options pour l’option FastTreeTweedieTrainer utilisée dans FastTreeTweedie(Options).
GamBinaryModelParameters	Paramètres de modèle pour GamBinaryTrainer.
GamBinaryTrainer	Pour IEstimator<TTransformer> l’entraînement d’un modèle de classification binaire avec des modèles additifs généralisés (GAM).
GamBinaryTrainer.Options	Options pour les GamBinaryTrainer options utilisées dans Gam(Options).
GamModelParametersBase	Classe de base pour les paramètres de modèle GAM.
GamRegressionModelParameters	Paramètres de modèle pour GamRegressionTrainer.
GamRegressionTrainer	Pour IEstimator<TTransformer> l’entraînement d’un modèle de régression avec des modèles additifs généralisés (GAM).
GamRegressionTrainer.Options	Options pour les GamRegressionTrainer options utilisées dans Gam(Options).
GamTrainerBase<TOptions,TTransformer,TPredictor>.OptionsBase	Classe de base pour les options d’entraînement basées sur GAM.
GamTrainerBase<TOptions,TTransformer,TPredictor>	Classe de base pour les formateurs GAM.
GeneralityLossRule	Perte de généralité (GL).
GeneralityToProgressRatioRule	Generality to Progress Ratio (PQ).
LowProgressRule	Faible progression (LP). Cette règle se déclenche lorsque les améliorations apportées au score se bloquent.
MovingWindowRule	Espace de noms contenant des formateurs, des paramètres de modèle et des utilitaires pour les algorithmes Fast Tree.
PretrainedTreeFeaturizationEstimator	Qui IEstimator<TTransformer> contient un préentraîné TreeEnsembleModelParameters et appelle son Fit(IDataView) produit un caractérisation basé sur le modèle préentraîné.
PretrainedTreeFeaturizationEstimator.Options	PretrainedTreeFeaturizationEstimator.Options comme utilisé lors de PretrainedTreeFeaturizationEstimator l’appel FeaturizeByPretrainTreeEnsemble(TransformsCatalog, PretrainedTreeFeaturizationEstimator+Options).
QuantileRegressionTree	Classe de conteneur pour exposer Microsoft.ML.Trainers.FastTree.InternalQuantileRegressionTreeles attributs 's aux utilisateurs. Cette classe ne doit pas être mutable. Elle contient donc beaucoup de membres en lecture seule. En plus des éléments hérités de RegressionTreeBase, nous ajoutons GetLeafSamplesAt(Int32) et GetLeafSampleWeightsAt(Int32) exposons (sous-échantillonné) des étiquettes d’entraînement tombant dans la feuilleIndex-th feuille et leurs poids.
QuantileRegressionTreeEnsemble	Espace de noms contenant des formateurs, des paramètres de modèle et des utilitaires pour les algorithmes Fast Tree.
RandomForestTrainerBase<TOptions,TTransformer,TModel>	Espace de noms contenant des formateurs, des paramètres de modèle et des utilitaires pour les algorithmes Fast Tree.
RegressionTree	Classe de conteneur pour exposer Microsoft.ML.Trainers.FastTree.InternalRegressionTreeles attributs 's aux utilisateurs. Cette classe ne doit pas être mutable. Elle contient donc beaucoup de membres en lecture seule. Notez qu’il RegressionTree est identique à RegressionTreeBase mais dans une autre classe QuantileRegressionTree dérivée, certains attributs sont ajoutés.
RegressionTreeBase	Classe de base de conteneur pour exposer Microsoft.ML.Trainers.FastTree.InternalRegressionTreeles attributs 's et Microsoft.ML.Trainers.FastTree.InternalQuantileRegressionTree's aux utilisateurs. Cette classe ne doit pas être mutable. Elle contient donc beaucoup de membres en lecture seule.
RegressionTreeEnsemble	Espace de noms contenant des formateurs, des paramètres de modèle et des utilitaires pour les algorithmes Fast Tree.
TolerantEarlyStoppingRule	Espace de noms contenant des formateurs, des paramètres de modèle et des utilitaires pour les algorithmes Fast Tree.
TreeEnsemble<T>	Liste de la classe dérivée de RegressionTreeBase'. Pour calculer la valeur de sortie d’un TreeEnsemble<T>, nous devons calculer les valeurs de sortie de toutes les arborescences Trees, mettre à l’échelle ces valeurs via TreeWeightset enfin additionner les valeurs mises à l’échelle et Bias les augmenter.
TreeEnsembleFeaturizationEstimatorBase	Cette classe encapsule le comportement commun de tous les caractérisations basés sur une arborescence, tels que FastTreeBinaryFeaturizationEstimator, , FastForestBinaryFeaturizationEstimator, FastTreeRegressionFeaturizationEstimator, FastForestRegressionFeaturizationEstimatoret PretrainedTreeFeaturizationEstimator. Tous les caractérisations basés sur une arborescence partagent le même schéma de sortie calculé par GetOutputSchema(SchemaShape). Tous les caractérisations basés sur une arborescence nécessitent un nom de colonne de fonctionnalité d’entrée et un suffixe pour toutes les colonnes de sortie. Le ITransformer retour Fit(IDataView) produit trois colonnes : (1) les valeurs de prédiction de tous les arbres, (2) les ID des feuilles du vecteur de caractéristique d’entrée qui tombent et (3) le vecteur binaire qui encode les chemins d’accès à ces feuilles de destination.
TreeEnsembleFeaturizationEstimatorBase.OptionsBase	Les options courantes des caractérisations basées sur les arborescences telles que FastTreeBinaryFeaturizationEstimator, , FastForestBinaryFeaturizationEstimator, FastTreeRegressionFeaturizationEstimator, FastForestRegressionFeaturizationEstimatoret PretrainedTreeFeaturizationEstimator.
TreeEnsembleFeaturizationTransformer	ITransformer résultant de l’ajustement de toute classe dérivée de TreeEnsembleFeaturizationEstimatorBase. Les classes dérivées incluent, par exemple, FastTreeBinaryFeaturizationEstimator et FastForestRegressionFeaturizationEstimator.
TreeEnsembleModelParameters	Espace de noms contenant des formateurs, des paramètres de modèle et des utilitaires pour les algorithmes Fast Tree.
TreeEnsembleModelParametersBasedOnQuantileRegressionTree	TreeEnsembleModelParametersBasedOnQuantileRegressionTree est dérivé de TreeEnsembleModelParameters plus d’un attribut public fortement typé, TrainedTreeEnsemblepour exposer les détails du modèle formé aux utilisateurs. Sa fonction, est Microsoft.ML.Trainers.FastTree.TreeEnsembleModelParametersBasedOnQuantileRegressionTree.CreateTreeEnsembleFromInternalDataStructureappelée pour créer TrainedTreeEnsemble à l’intérieur TreeEnsembleModelParameters. Notez que la principale différence entre TreeEnsembleModelParametersBasedOnQuantileRegressionTree et TreeEnsembleModelParametersBasedOnRegressionTree est le type de TrainedTreeEnsemble.
TreeEnsembleModelParametersBasedOnRegressionTree	TreeEnsembleModelParametersBasedOnRegressionTree est dérivé de TreeEnsembleModelParameters plus d’un attribut public fortement typé, TrainedTreeEnsemblepour exposer les détails du modèle formé aux utilisateurs. Sa fonction, est Microsoft.ML.Trainers.FastTree.TreeEnsembleModelParametersBasedOnRegressionTree.CreateTreeEnsembleFromInternalDataStructureappelée pour créer TrainedTreeEnsemble à l’intérieur TreeEnsembleModelParameters. Notez que la principale différence entre TreeEnsembleModelParametersBasedOnQuantileRegressionTree et TreeEnsembleModelParametersBasedOnRegressionTree est le type de TrainedTreeEnsemble.
TreeOptions	Options pour les entraîneurs d’arbre.

Énumérations

BoostedTreeOptions.OptimizationAlgorithmType	Types d’algorithmes d’optimisation.
Bundle	Espace de noms contenant des formateurs, des paramètres de modèle et des utilitaires pour les algorithmes Fast Tree.
EarlyStoppingMetric	Arrêt des mesures pour la classification et la régression.
EarlyStoppingRankingMetric	Arrêt des mesures pour le classement.