FastTreeTweedieTrainer.Options Classe

Definizione

Spazio dei nomi:

Microsoft.ML.Trainers.FastTree

Assembly:

Microsoft.ML.FastTree.dll

Pacchetto:

Microsoft.ML.FastTree v2.0.0

Opzioni per l'oggetto FastTreeTweedieTrainer usato in FastTreeTweedie(Options).

public sealed class FastTreeTweedieTrainer.Options : Microsoft.ML.Trainers.FastTree.BoostedTreeOptions, Microsoft.ML.Runtime.IComponentFactory<Microsoft.ML.ITrainer>

type FastTreeTweedieTrainer.Options = class
    inherit BoostedTreeOptions
    interface IComponentFactory<ITrainer>
    interface IComponentFactory

Public NotInheritable Class FastTreeTweedieTrainer.Options
Inherits BoostedTreeOptions
Implements IComponentFactory(Of ITrainer)

Ereditarietà

Object

TrainerInputBase

TrainerInputBaseWithLabel

TrainerInputBaseWithWeight

TrainerInputBaseWithGroupId

TreeOptions

BoostedTreeOptions

FastTreeTweedieTrainer.Options

Implementazioni

IComponentFactory IComponentFactory<Microsoft.ML.ITrainer>

Costruttori

FastTreeTweedieTrainer.Options()

Creare un nuovo FastTreeTweedieTrainer.Options oggetto con valori predefiniti.

Campi

AllowEmptyTrees	Quando una divisione radice è impossibile, consentire al training di procedere. (Ereditato da TreeOptions)
BaggingExampleFraction	Percentuale di esempi di training usati in ogni borsa. Il valore predefinito è 0,7 (70%). (Ereditato da TreeOptions)
BaggingSize	Numero di alberi in ogni borsa (0 per disabilitare il bagging). (Ereditato da TreeOptions)
BestStepRankingRegressionTrees	Opzione per l'uso dei migliori alberi dei passaggi di regressione. (Ereditato da BoostedTreeOptions)
Bias	Pregiudizio per il calcolo della sfumatura per ogni bin di funzionalità per una funzionalità categorica. (Ereditato da TreeOptions)
Bundling	Raggruppare contenitori di popolamenti bassi. Bundle.None(0): no bundling, Bundle.AggregateLowPopulation(1): Bundle low popolamento, Bundle.Adiacenti(2): bundle a basso popolamento. (Ereditato da TreeOptions)
CategoricalSplit	Se suddividere in base a più valori di funzionalità categorica. (Ereditato da TreeOptions)
CompressEnsemble	Comprimere l'ensemble dell'albero. (Ereditato da TreeOptions)
DiskTranspose	Se usare il disco o le strutture native del ripristino dei dati (se applicabile) quando si esegue il trasposto. (Ereditato da TreeOptions)
DropoutRate	Frequenza di rilascio per la regolarizzazione dell'albero. (Ereditato da BoostedTreeOptions)
EnablePruning	Abilitare la potatura dell'albero post-training per evitare l'overfitting. Richiede un set di convalida. (Ereditato da BoostedTreeOptions)
EntropyCoefficient	Coefficiente di entropia (regolarizzazione) compreso tra 0 e 1. (Ereditato da TreeOptions)
ExampleWeightColumnName	Colonna da usare per esempio peso. (Ereditato da TrainerInputBaseWithWeight)
ExecutionTime	Distribuzione del tempo di esecuzione di stampa per ML.NET canale. (Ereditato da TreeOptions)
FeatureColumnName	Colonna da usare per le funzionalità. (Ereditato da TrainerInputBase)
FeatureFirstUsePenalty	Coefficiente di penalità per il primo utilizzo della funzionalità. (Ereditato da TreeOptions)
FeatureFlocks	Se raccogliere le funzionalità durante la preparazione del set di dati per velocizzare il training. (Ereditato da TreeOptions)
FeatureFraction	Frazione di funzionalità (scelta in modo casuale) da usare in ogni iterazione. Usare 0,9 se è necessario solo il 90% delle funzionalità. I numeri inferiori consentono di ridurre l'over-fitting. (Ereditato da TreeOptions)
FeatureFractionPerSplit	Frazione di funzionalità (scelta in modo casuale) da usare in ogni divisione. Se si tratta di un valore pari a 0,9, il 90% di tutte le funzionalità verrà eliminato in attesa. (Ereditato da TreeOptions)
FeatureReusePenalty	Coefficiente di penalità (regolarizzazione) della funzionalità. (Ereditato da TreeOptions)
FeatureSelectionSeed	Inizializzazione della selezione di funzionalità attiva. (Ereditato da TreeOptions)
FilterZeroLambdas	Filtrare zero lambda durante il training. (Ereditato da BoostedTreeOptions)
GainConfidenceLevel	Requisiti di attendibilità del montaggio ad albero. Si consideri solo un guadagno se la probabilità rispetto a un guadagno di scelta casuale è superiore a questo valore. (Ereditato da TreeOptions)
GetDerivativesSampleRate	Esempio di ogni query 1 in k volte nella funzione GetDerivatives. (Ereditato da BoostedTreeOptions)
HistogramPoolSize	Numero di istogrammi nel pool (tra 2 e numLeaves). (Ereditato da TreeOptions)
Index	Parametro di indice per la distribuzione Tweedie, nell'intervallo [1, 2]. 1 è perdita di Poisson, 2 è perdita gamma e i valori intermedi sono perdita composta di Poisson.
LabelColumnName	Colonna da usare per le etichette. (Ereditato da TrainerInputBaseWithLabel)
LearningRate	Frequenza di apprendimento. (Ereditato da BoostedTreeOptions)
MaximumBinCountPerFeature	Numero massimo di valori distinti (bin) per funzionalità. (Ereditato da TreeOptions)
MaximumCategoricalGroupCountPerNode	Numero massimo di gruppi di suddivisione categorica da considerare quando si divide in una funzionalità categorica. I gruppi di divisione sono una raccolta di punti di divisione. Questa operazione viene usata per ridurre l'overfitting quando sono presenti molte funzionalità categorica. (Ereditato da TreeOptions)
MaximumCategoricalSplitPointCount	Numero massimo di punti di divisione categorica da considerare quando si divide in una funzionalità categorica. (Ereditato da TreeOptions)
MaximumNumberOfLineSearchSteps	Numero di passaggi di ricerca post-parentesi quadre. (Ereditato da BoostedTreeOptions)
MaximumTreeOutput	Limite superiore sul valore assoluto dell'output dell'albero singolo. (Ereditato da BoostedTreeOptions)
MemoryStatistics	Stampare le statistiche sulla memoria per ML.NET canale. (Ereditato da TreeOptions)
MinimumExampleCountPerLeaf	Numero minimo di punti dati necessari per formare una nuova foglia dell'albero. (Ereditato da TreeOptions)
MinimumExampleFractionForCategoricalSplit	Percentuale minima di esempio categorico in un bin da considerare per una divisione. Il valore predefinito è 0,1% di tutti gli esempi di training. (Ereditato da TreeOptions)
MinimumExamplesForCategoricalSplit	Numero minimo di esempi categorici in un bin da considerare per una divisione. (Ereditato da TreeOptions)
MinimumStepSize	Dimensioni minime del passaggio di ricerca della riga. (Ereditato da BoostedTreeOptions)
NumberOfLeaves	Numero massimo di foglie in ogni albero di regressione. (Ereditato da TreeOptions)
NumberOfThreads	Numero di thread da usare. (Ereditato da TreeOptions)
NumberOfTrees	Numero totale di alberi delle decisioni da creare nell'insieme. (Ereditato da TreeOptions)
OptimizationAlgorithm	Algoritmo di ottimizzazione da usare. (Ereditato da BoostedTreeOptions)
PruningThreshold	Soglia di tolleranza per l'eliminazione. (Ereditato da BoostedTreeOptions)
PruningWindowSize	Dimensione della finestra di spostamento per l'eliminazione. (Ereditato da BoostedTreeOptions)
RandomStart	Il training inizia dall'ordinamento casuale (determinato da /r1). (Ereditato da BoostedTreeOptions)
RowGroupColumnName	Colonna da usare per esempio groupId. (Ereditato da TrainerInputBaseWithGroupId)
Seed	Inizializzazione del generatore di numeri casuali. (Ereditato da TreeOptions)
Shrinkage	Restringimento. (Ereditato da BoostedTreeOptions)
Smoothing	Parametro di smoothing per la regolarizzazione dell'albero. (Ereditato da TreeOptions)
SoftmaxTemperature	Temperatura della distribuzione softmax casuale per la scelta della funzionalità. (Ereditato da TreeOptions)
SparsifyThreshold	Livello di sparsità necessario per usare la rappresentazione delle funzionalità sparse. (Ereditato da TreeOptions)
TestFrequency	Calcolare i valori delle metriche per il training/il test valido/test ogni k round. (Ereditato da TreeOptions)
UseLineSearch	Determina se usare la ricerca della riga per una dimensione del passaggio. (Ereditato da BoostedTreeOptions)
UseTolerantPruning	Usare la finestra e la tolleranza per l'eliminazione. (Ereditato da BoostedTreeOptions)
WriteLastEnsemble	Scrivere l'ultimo ensemble anziché quello determinato dall'arresto anticipato. (Ereditato da BoostedTreeOptions)

Proprietà

EarlyStoppingMetric	Metriche di arresto anticipato.
EarlyStoppingRule	Regola di arresto anticipato usata per terminare il processo di training una volta che soddisfa un criterio specificato. Le possibili scelte sono EarlyStoppingRuleBaseimplementazioni, TolerantEarlyStoppingRule ad esempio e GeneralityLossRule. (Ereditato da BoostedTreeOptions)

Implementazioni dell'interfaccia esplicita

IComponentFactory<ITrainer>.CreateComponent(IHostEnvironment)

Opzioni per l'oggetto FastTreeTweedieTrainer usato in FastTreeTweedie(Options).