FastTreeTweedieTrainer Kelas
Definisi
Penting
Beberapa informasi terkait produk prarilis yang dapat diubah secara signifikan sebelum dirilis. Microsoft tidak memberikan jaminan, tersirat maupun tersurat, sehubungan dengan informasi yang diberikan di sini.
IEstimator<TTransformer> untuk melatih model regresi pohon keputusan menggunakan fungsi kehilangan Tweedie. Pelatih ini adalah generalisasi Poisson, senyawa Poisson, dan regresi gamma.
public sealed class FastTreeTweedieTrainer : Microsoft.ML.Trainers.FastTree.BoostingFastTreeTrainerBase<Microsoft.ML.Trainers.FastTree.FastTreeTweedieTrainer.Options,Microsoft.ML.Data.RegressionPredictionTransformer<Microsoft.ML.Trainers.FastTree.FastTreeTweedieModelParameters>,Microsoft.ML.Trainers.FastTree.FastTreeTweedieModelParameters>
type FastTreeTweedieTrainer = class
inherit BoostingFastTreeTrainerBase<FastTreeTweedieTrainer.Options, RegressionPredictionTransformer<FastTreeTweedieModelParameters>, FastTreeTweedieModelParameters>
Public NotInheritable Class FastTreeTweedieTrainer
Inherits BoostingFastTreeTrainerBase(Of FastTreeTweedieTrainer.Options, RegressionPredictionTransformer(Of FastTreeTweedieModelParameters), FastTreeTweedieModelParameters)
- Warisan
Keterangan
Untuk membuat pelatih ini, gunakan FastTreeTweedie atau FastTreeTweedie(Options).
Kolom Input dan Output
Data kolom label input harus Single. Data kolom fitur input harus merupakan vektor berukuran besar yang diketahui dari Single.
Pelatih ini menghasilkan kolom berikut:
Nama Kolom Output | Jenis Kolom | Deskripsi |
---|---|---|
Score |
Single | Skor tidak terikat yang diprediksi oleh model. |
Karakteristik Pelatih
Tugas pembelajaran mesin | Regresi |
Apakah normalisasi diperlukan? | Tidak |
Apakah penembolokan diperlukan? | Tidak |
NuGet yang diperlukan selain Microsoft.ML | Microsoft.ML.FastTree |
Dapat diekspor ke ONNX | Ya |
Detail Algoritma Pelatihan
Model peningkatan Tweedie mengikuti matematika yang ditetapkan dalam Prediksi Prediksi Prediksi Asuransi melalui Gradien Tree-Boosted Model Tweedie Compound Poisson dari Yang, Quan, dan Zou. Untuk pengenalan Gradient Boosting, dan informasi selengkapnya, lihat: Wikipedia: Peningkatan gradien (Peningkatan pohon gradien) atau perkiraan fungsi Serakah: Mesin penguat gradien.
Periksa bagian Lihat Juga untuk tautan ke contoh penggunaan.
Bidang
FeatureColumn |
Kolom fitur yang diharapkan pelatih. (Diperoleh dari TrainerEstimatorBase<TTransformer,TModel>) |
GroupIdColumn |
Kolom groupID opsional yang diharapkan pelatih peringkat. (Diperoleh dari TrainerEstimatorBaseWithGroupId<TTransformer,TModel>) |
LabelColumn |
Kolom label yang diharapkan pelatih. Dapat berupa |
WeightColumn |
Kolom berat yang diharapkan pelatih. Dapat berupa |
Properti
Info |
IEstimator<TTransformer> untuk melatih model regresi pohon keputusan menggunakan fungsi kehilangan Tweedie. Pelatih ini adalah generalisasi Poisson, senyawa Poisson, dan regresi gamma. (Diperoleh dari FastTreeTrainerBase<TOptions,TTransformer,TModel>) |
Metode
Fit(IDataView) |
Melatih dan mengembalikan ITransformer. (Diperoleh dari TrainerEstimatorBase<TTransformer,TModel>) |
Fit(IDataView, IDataView) |
FastTreeTweedieTrainer Melatih menggunakan data pelatihan dan validasi, mengembalikan RegressionPredictionTransformer<TModel>. |
GetOutputSchema(SchemaShape) |
IEstimator<TTransformer> untuk melatih model regresi pohon keputusan menggunakan fungsi kehilangan Tweedie. Pelatih ini adalah generalisasi Poisson, senyawa Poisson, dan regresi gamma. (Diperoleh dari TrainerEstimatorBase<TTransformer,TModel>) |
Metode Ekstensi
AppendCacheCheckpoint<TTrans>(IEstimator<TTrans>, IHostEnvironment) |
Tambahkan 'titik pemeriksaan penembolokan' ke rantai estimator. Ini akan memastikan bahwa estimator hilir akan dilatih terhadap data cache. Sangat membantu untuk memiliki titik pemeriksaan penembolokan sebelum pelatih yang mengambil beberapa data berlalu. |
WithOnFitDelegate<TTransformer>(IEstimator<TTransformer>, Action<TTransformer>) |
Mengingat estimator, kembalikan objek pembungkus yang akan memanggil delegasi setelah Fit(IDataView) dipanggil. Seringkali penting bagi estimator untuk mengembalikan informasi tentang apa yang cocok, itulah sebabnya Fit(IDataView) metode mengembalikan objek yang di ketik secara khusus, bukan hanya umum ITransformer. Namun, pada saat yang sama, IEstimator<TTransformer> sering dibentuk menjadi alur dengan banyak objek, jadi kita mungkin perlu membangun rantai estimator melalui EstimatorChain<TLastTransformer> di mana estimator yang ingin kita dapatkan transformator dimakamkan di suatu tempat dalam rantai ini. Untuk skenario itu, kita dapat melalui metode ini melampirkan delegasi yang akan dipanggil setelah fit dipanggil. |
Berlaku untuk
Lihat juga
Saran dan Komentar
https://aka.ms/ContentUserFeedback.
Segera hadir: Sepanjang tahun 2024 kami akan menghentikan penggunaan GitHub Issues sebagai mekanisme umpan balik untuk konten dan menggantinya dengan sistem umpan balik baru. Untuk mengetahui informasi selengkapnya, lihat:Kirim dan lihat umpan balik untuk