Microsoft.ML.Trainers.FastTree Ruang nama

Namespace yang berisi pelatih, parameter model, dan utilitas untuk algoritma Pohon Cepat.

Kelas

BoostedTreeOptions	Opsi untuk meningkatkan pelatih pohon.
BoostingFastTreeTrainerBase<TOptions,TTransformer,TModel>	Namespace yang berisi pelatih, parameter model, dan utilitas untuk algoritma Pohon Cepat.
ConsecutiveGeneralityLossRule	Kerugian Berturut-turut dalam Generalitas (UP).
EarlyStoppingRule	Namespace yang berisi pelatih, parameter model, dan utilitas untuk algoritma Pohon Cepat.
EarlyStoppingRuleBase	Aturan penghentian awal yang digunakan untuk mengakhiri proses pelatihan setelah memenuhi kriteria tertentu. Digunakan untuk mengatur EarlyStoppingRuleEarlyStoppingRule.
FastForestBinaryFeaturizationEstimator	IEstimator<TTransformer> untuk mengubah vektor fitur input menjadi fitur berbasis pohon.
FastForestBinaryFeaturizationEstimator.Options	Opsi untuk FastForestBinaryFeaturizationEstimator.
FastForestBinaryModelParameters	Parameter model untuk FastForestBinaryTrainer.
FastForestBinaryTrainer	IEstimator<TTransformer> untuk melatih model klasifikasi biner pohon keputusan menggunakan Fast Forest.
FastForestBinaryTrainer.Options	Opsi untuk seperti yang FastForestBinaryTrainer digunakan dalam FastForest(Options).
FastForestOptionsBase	Kelas dasar untuk opsi pelatih hutan cepat.
FastForestRegressionFeaturizationEstimator	IEstimator<TTransformer> untuk mengubah vektor fitur input menjadi fitur berbasis pohon.
FastForestRegressionFeaturizationEstimator.Options	Opsi untuk FastForestRegressionFeaturizationEstimator.
FastForestRegressionModelParameters	Parameter model untuk FastForestRegressionTrainer.
FastForestRegressionTrainer	IEstimator<TTransformer> untuk melatih model regresi pohon keputusan menggunakan Fast Forest.
FastForestRegressionTrainer.Options	Opsi untuk seperti yang FastForestRegressionTrainer digunakan dalam FastForest(Options).
FastTreeBinaryFeaturizationEstimator	IEstimator<TTransformer> untuk mengubah vektor fitur input menjadi fitur berbasis pohon.
FastTreeBinaryFeaturizationEstimator.Options	Opsi untuk FastTreeBinaryFeaturizationEstimator.
FastTreeBinaryModelParameters	Parameter model untuk FastTreeBinaryTrainer.
FastTreeBinaryTrainer	IEstimator<TTransformer> untuk melatih model klasifikasi biner pohon keputusan menggunakan FastTree.
FastTreeBinaryTrainer.Options	Opsi untuk seperti yang FastTreeBinaryTrainer digunakan dalam FastTree(Options).
FastTreeRankingFeaturizationEstimator	IEstimator<TTransformer> untuk mengubah vektor fitur input menjadi fitur berbasis pohon.
FastTreeRankingFeaturizationEstimator.Options	Opsi untuk FastTreeRankingFeaturizationEstimator.
FastTreeRankingModelParameters	Parameter model untuk FastTreeRankingTrainer.
FastTreeRankingTrainer	IEstimator<TTransformer> untuk melatih model peringkat pohon keputusan menggunakan FastTree.
FastTreeRankingTrainer.Options	Opsi untuk seperti yang FastTreeRankingTrainer digunakan dalam FastTree(Options).
FastTreeRegressionFeaturizationEstimator	IEstimator<TTransformer> untuk mengubah vektor fitur input menjadi fitur berbasis pohon.
FastTreeRegressionFeaturizationEstimator.Options	Opsi untuk FastTreeRegressionFeaturizationEstimator.
FastTreeRegressionModelParameters	Parameter model untuk FastForestRegressionTrainer.
FastTreeRegressionTrainer	IEstimator<TTransformer> untuk melatih model regresi pohon keputusan menggunakan FastTree.
FastTreeRegressionTrainer.Options	Opsi untuk seperti yang FastTreeRegressionTrainer digunakan dalam FastTree(Options).
FastTreeTrainerBase<TOptions,TTransformer,TModel>	Namespace yang berisi pelatih, parameter model, dan utilitas untuk algoritma Pohon Cepat.
FastTreeTweedieFeaturizationEstimator	IEstimator<TTransformer> untuk mengubah vektor fitur input menjadi fitur berbasis pohon.
FastTreeTweedieFeaturizationEstimator.Options	Opsi untuk FastTreeTweedieFeaturizationEstimator.
FastTreeTweedieModelParameters	Parameter model untuk FastTreeTweedieTrainer.
FastTreeTweedieTrainer	IEstimator<TTransformer> untuk melatih model regresi pohon keputusan menggunakan fungsi kehilangan Tweedie. Pelatih ini adalah generalisasi Poisson, Poisson senyawa, dan regresi gamma.
FastTreeTweedieTrainer.Options	Opsi untuk seperti yang FastTreeTweedieTrainer digunakan dalam FastTreeTweedie(Options).
GamBinaryModelParameters	Parameter model untuk GamBinaryTrainer.
GamBinaryTrainer	IEstimator<TTransformer> untuk melatih model klasifikasi biner dengan model aditif umum (GAM).
GamBinaryTrainer.Options	Opsi untuk seperti yang GamBinaryTrainer digunakan dalam Gam(Options).
GamModelParametersBase	Kelas dasar untuk Parameter Model GAM.
GamRegressionModelParameters	Parameter model untuk GamRegressionTrainer.
GamRegressionTrainer	IEstimator<TTransformer> untuk melatih model regresi dengan model aditif umum (GAM).
GamRegressionTrainer.Options	Opsi untuk seperti yang GamRegressionTrainer digunakan dalam Gam(Options).
GamTrainerBase<TOptions,TTransformer,TPredictor>.OptionsBase	Kelas dasar untuk opsi pelatih berbasis GAM.
GamTrainerBase<TOptions,TTransformer,TPredictor>	Kelas dasar untuk pelatih GAM.
GeneralityLossRule	Hilangnya Kegeneralan (GL).
GeneralityToProgressRatioRule	Rasio Umum terhadap Kemajuan (PQ).
LowProgressRule	Kemajuan Rendah (LP). Aturan ini diterapkan ketika perbaikan pada kios skor.
MovingWindowRule	Namespace yang berisi pelatih, parameter model, dan utilitas untuk algoritma Pohon Cepat.
PretrainedTreeFeaturizationEstimator	IEstimator<TTransformer> Yang berisi pra-pelatihan TreeEnsembleModelParameters dan memanggilnya Fit(IDataView) menghasilkan featurizer berdasarkan model yang telah dilatih sebelumnya.
PretrainedTreeFeaturizationEstimator.Options	PretrainedTreeFeaturizationEstimator.Options seperti yang PretrainedTreeFeaturizationEstimator digunakan saat memanggil FeaturizeByPretrainTreeEnsemble(TransformsCatalog, PretrainedTreeFeaturizationEstimator+Options).
QuantileRegressionTree	Kelas kontainer untuk mengekspos Microsoft.ML.Trainers.FastTree.InternalQuantileRegressionTreeatribut kepada pengguna. Kelas ini seharusnya tidak dapat diubah, sehingga berisi banyak anggota baca-saja. Selain hal-hal yang diwarisi dari RegressionTreeBase, kami menambahkan GetLeafSamplesAt(Int32) dan GetLeafSampleWeightsAt(Int32) untuk mengekspos label pelatihan (sub-sampel) yang termasuk dalam daun daunIndex-th dan bobotnya.
QuantileRegressionTreeEnsemble	Namespace yang berisi pelatih, parameter model, dan utilitas untuk algoritma Pohon Cepat.
RandomForestTrainerBase<TOptions,TTransformer,TModel>	Namespace yang berisi pelatih, parameter model, dan utilitas untuk algoritma Pohon Cepat.
RegressionTree	Kelas kontainer untuk mengekspos Microsoft.ML.Trainers.FastTree.InternalRegressionTreeatribut kepada pengguna. Kelas ini seharusnya tidak dapat diubah, sehingga berisi banyak anggota baca-saja. Perhatikan bahwa RegressionTree identik dengan RegressionTreeBase tetapi di kelas QuantileRegressionTree turunan lain beberapa atribut ditambahkan.
RegressionTreeBase	Kelas dasar kontainer untuk mengekspos Microsoft.ML.Trainers.FastTree.InternalRegressionTreeatribut dan Microsoft.ML.Trainers.FastTree.InternalQuantileRegressionTree's kepada pengguna. Kelas ini seharusnya tidak dapat diubah, sehingga berisi banyak anggota baca-saja.
RegressionTreeEnsemble	Namespace yang berisi pelatih, parameter model, dan utilitas untuk algoritma Pohon Cepat.
TolerantEarlyStoppingRule	Namespace yang berisi pelatih, parameter model, dan utilitas untuk algoritma Pohon Cepat.
TreeEnsemble<T>	Daftar kelas turunan RegressionTreeBase. Untuk menghitung nilai output dari TreeEnsemble<T>, kita perlu menghitung nilai output semua pohon dalam Trees, menskalakan nilai tersebut melalui TreeWeights, dan akhirnya menjumlahkan nilai yang diskalakan dan Bias naik.
TreeEnsembleFeaturizationEstimatorBase	Kelas ini merangkum perilaku umum semua featurizer berbasis pohon seperti FastTreeBinaryFeaturizationEstimator, , FastForestBinaryFeaturizationEstimatorFastTreeRegressionFeaturizationEstimator, FastForestRegressionFeaturizationEstimator, dan PretrainedTreeFeaturizationEstimator. Semua featurizer berbasis pohon berbagi skema output yang sama yang dihitung oleh GetOutputSchema(SchemaShape). Semua featurizer berbasis pohon memerlukan nama kolom fitur input dan akhiran untuk semua kolom output. yang ITransformer dikembalikan oleh Fit(IDataView) menghasilkan tiga kolom: (1) nilai prediksi semua pohon, (2) ID meninggalkan vektor fitur input jatuh ke dalam, dan (3) vektor biner yang mengodekan jalur ke daun tujuan tersebut.
TreeEnsembleFeaturizationEstimatorBase.OptionsBase	Opsi umum fiturisasi berbasis pohon seperti FastTreeBinaryFeaturizationEstimator, , FastForestBinaryFeaturizationEstimator, FastTreeRegressionFeaturizationEstimatorFastForestRegressionFeaturizationEstimator, dan PretrainedTreeFeaturizationEstimator.
TreeEnsembleFeaturizationTransformer	ITransformer hasil dari menyesuaikan kelas turunan dari TreeEnsembleFeaturizationEstimatorBase. Kelas turunan termasuk, misalnya, FastTreeBinaryFeaturizationEstimator dan FastForestRegressionFeaturizationEstimator.
TreeEnsembleModelParameters	Namespace yang berisi pelatih, parameter model, dan utilitas untuk algoritma Pohon Cepat.
TreeEnsembleModelParametersBasedOnQuantileRegressionTree	TreeEnsembleModelParametersBasedOnQuantileRegressionTree berasal dari TreeEnsembleModelParameters plus atribut publik yang sangat ditik, TrainedTreeEnsemble, untuk mengekspos detail model terlatih kepada pengguna. Fungsinya, Microsoft.ML.Trainers.FastTree.TreeEnsembleModelParametersBasedOnQuantileRegressionTree.CreateTreeEnsembleFromInternalDataStructure, dipanggil untuk membuat TrainedTreeEnsemble di dalam TreeEnsembleModelParameters. Perhatikan bahwa perbedaan utama antara TreeEnsembleModelParametersBasedOnQuantileRegressionTree dan TreeEnsembleModelParametersBasedOnRegressionTree adalah jenis TrainedTreeEnsemble.
TreeEnsembleModelParametersBasedOnRegressionTree	TreeEnsembleModelParametersBasedOnRegressionTree berasal dari TreeEnsembleModelParameters plus atribut publik yang sangat ditik, TrainedTreeEnsemble, untuk mengekspos detail model terlatih kepada pengguna. Fungsinya, Microsoft.ML.Trainers.FastTree.TreeEnsembleModelParametersBasedOnRegressionTree.CreateTreeEnsembleFromInternalDataStructure, dipanggil untuk membuat TrainedTreeEnsemble di dalam TreeEnsembleModelParameters. Perhatikan bahwa perbedaan utama antara TreeEnsembleModelParametersBasedOnQuantileRegressionTree dan TreeEnsembleModelParametersBasedOnRegressionTree adalah jenis TrainedTreeEnsemble.
TreeOptions	Opsi untuk pelatih pohon.

Enum

BoostedTreeOptions.OptimizationAlgorithmType	Jenis algoritma pengoptimalan.
Bundle	Namespace yang berisi pelatih, parameter model, dan utilitas untuk algoritma Pohon Cepat.
EarlyStoppingMetric	Menghentikan pengukuran untuk klasifikasi dan regresi.
EarlyStoppingRankingMetric	Menghentikan pengukuran untuk peringkat.