Condividi tramite


FastTreeTweedieTrainer.Options Classe

Definizione

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
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).

Si applica a