GamBinaryTrainer.Options 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.
Opsi untuk seperti yang GamBinaryTrainer digunakan dalam Gam(Options).
public sealed class GamBinaryTrainer.Options : Microsoft.ML.Trainers.FastTree.GamTrainerBase<Microsoft.ML.Trainers.FastTree.GamBinaryTrainer.Options,Microsoft.ML.Data.BinaryPredictionTransformer<Microsoft.ML.Calibrators.CalibratedModelParametersBase<Microsoft.ML.Trainers.FastTree.GamBinaryModelParameters,Microsoft.ML.Calibrators.PlattCalibrator>>,Microsoft.ML.Calibrators.CalibratedModelParametersBase<Microsoft.ML.Trainers.FastTree.GamBinaryModelParameters,Microsoft.ML.Calibrators.PlattCalibrator>>.OptionsBase
type GamBinaryTrainer.Options = class
inherit GamTrainerBase<GamBinaryTrainer.Options, BinaryPredictionTransformer<CalibratedModelParametersBase<GamBinaryModelParameters, PlattCalibrator>>, CalibratedModelParametersBase<GamBinaryModelParameters, PlattCalibrator>>.OptionsBase
Public NotInheritable Class GamBinaryTrainer.Options
Inherits GamTrainerBase(Of GamBinaryTrainer.Options, BinaryPredictionTransformer(Of CalibratedModelParametersBase(Of GamBinaryModelParameters, PlattCalibrator)), CalibratedModelParametersBase(Of GamBinaryModelParameters, PlattCalibrator)).OptionsBase
- Warisan
Konstruktor
GamBinaryTrainer.Options() |
Opsi untuk seperti yang GamBinaryTrainer digunakan dalam Gam(Options). |
Bidang
DiskTranspose |
Apakah akan menggunakan disk atau fasilitas transposisi asli data (jika berlaku) saat melakukan transposisi. (Diperoleh dari GamTrainerBase<TOptions,TTransformer,TPredictor>.OptionsBase) |
EnablePruning |
Aktifkan pemangkasan pohon pasca-pelatihan untuk menghindari overfitting. Ini memerlukan set validasi. (Diperoleh dari GamTrainerBase<TOptions,TTransformer,TPredictor>.OptionsBase) |
EntropyCoefficient |
Koefisien entropi (regularisasi) antara 0 dan 1. (Diperoleh dari GamTrainerBase<TOptions,TTransformer,TPredictor>.OptionsBase) |
ExampleWeightColumnName |
Kolom yang akan digunakan misalnya berat. (Diperoleh dari TrainerInputBaseWithWeight) |
FeatureColumnName |
Kolom yang akan digunakan untuk fitur. (Diperoleh dari TrainerInputBase) |
FeatureFlocks |
Apakah akan mengumpulkan fitur selama persiapan himpunan data untuk mempercepat pelatihan. (Diperoleh dari GamTrainerBase<TOptions,TTransformer,TPredictor>.OptionsBase) |
GainConfidenceLevel |
Pencocokan pohon mendapatkan persyaratan keyakinan. Hanya pertimbangkan keuntungan jika kemungkinannya versus perolehan pilihan acak berada di atas nilai ini. (Diperoleh dari GamTrainerBase<TOptions,TTransformer,TPredictor>.OptionsBase) |
GetDerivativesSampleRate |
Sampel setiap kueri 1 dalam k kali dalam fungsi GetDerivatives. (Diperoleh dari GamTrainerBase<TOptions,TTransformer,TPredictor>.OptionsBase) |
LabelColumnName |
Kolom yang akan digunakan untuk label. (Diperoleh dari TrainerInputBaseWithLabel) |
LearningRate |
Tingkat pembelajaran. (Diperoleh dari GamTrainerBase<TOptions,TTransformer,TPredictor>.OptionsBase) |
MaximumBinCountPerFeature |
Jumlah maksimum nilai yang berbeda (bin) per fitur. (Diperoleh dari GamTrainerBase<TOptions,TTransformer,TPredictor>.OptionsBase) |
MaximumTreeOutput |
Batas atas pada nilai absolut dari output pohon tunggal. (Diperoleh dari GamTrainerBase<TOptions,TTransformer,TPredictor>.OptionsBase) |
MinimumExampleCountPerLeaf |
Jumlah minimal titik data yang diperlukan untuk membentuk daun pohon baru. (Diperoleh dari GamTrainerBase<TOptions,TTransformer,TPredictor>.OptionsBase) |
NumberOfIterations |
Jumlah total yang diteruskan melalui data pelatihan. (Diperoleh dari GamTrainerBase<TOptions,TTransformer,TPredictor>.OptionsBase) |
NumberOfThreads |
Jumlah rangkaian yang akan digunakan. (Diperoleh dari GamTrainerBase<TOptions,TTransformer,TPredictor>.OptionsBase) |
Seed |
Benih generator angka acak. (Diperoleh dari GamTrainerBase<TOptions,TTransformer,TPredictor>.OptionsBase) |
UnbalancedSets |
Apakah akan menggunakan turunan yang dioptimalkan untuk data pelatihan yang tidak seimbang. |