TreeOptions Classe

Definizione

Spazio dei nomi:

Microsoft.ML.Trainers.FastTree

Assembly:

Microsoft.ML.FastTree.dll

Pacchetto:

Microsoft.ML.FastTree v3.0.1

Opzioni per gli allenatori ad albero.

public abstract class TreeOptions : Microsoft.ML.Trainers.TrainerInputBaseWithGroupId

type TreeOptions = class
    inherit TrainerInputBaseWithGroupId

Public MustInherit Class TreeOptions
Inherits TrainerInputBaseWithGroupId

Ereditarietà

Object

TrainerInputBase

TrainerInputBaseWithLabel

TrainerInputBaseWithWeight

TrainerInputBaseWithGroupId

TreeOptions

Derivato

Microsoft.ML.Trainers.FastTree.BoostedTreeOptions

Microsoft.ML.Trainers.FastTree.FastForestOptionsBase

Costruttori

TreeOptions()

Opzioni per gli allenatori ad albero.

Campi

AllowEmptyTrees	Quando una divisione radice è impossibile, consentire al training di procedere.
BaggingExampleFraction	Percentuale di esempi di training usati in ogni borsa. Il valore predefinito è 0,7 (70%).
BaggingSize	Numero di alberi in ogni borsa (0 per disabilitare il bagging).
Bias	Pregiudizio per il calcolo della sfumatura per ogni bin di funzionalità per una funzionalità categorica.
Bundling	Raggruppare contenitori di popolamenti bassi. Bundle.None(0): no bundling, Bundle.AggregateLowPopulation(1): Bundle low popolamento, Bundle.Adiacenti(2): bundle a basso popolamento.
CategoricalSplit	Se suddividere in base a più valori di funzionalità categorica.
CompressEnsemble	Comprimere l'ensemble dell'albero.
DiskTranspose	Se usare il disco o le strutture native del ripristino dei dati (se applicabile) quando si esegue il trasposto.
EntropyCoefficient	Coefficiente di entropia (regolarizzazione) compreso tra 0 e 1.
ExampleWeightColumnName	Colonna da usare per esempio peso. (Ereditato da TrainerInputBaseWithWeight)
ExecutionTime	Distribuzione del tempo di esecuzione di stampa per ML.NET canale.
FeatureColumnName	Colonna da usare per le funzionalità. (Ereditato da TrainerInputBase)
FeatureFirstUsePenalty	Coefficiente di penalità per il primo utilizzo della funzionalità.
FeatureFlocks	Se raccogliere le funzionalità durante la preparazione del set di dati per velocizzare il training.
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.
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.
FeatureReusePenalty	Coefficiente di penalità (regolarizzazione) della funzionalità.
FeatureSelectionSeed	Inizializzazione della selezione di funzionalità attiva.
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.
HistogramPoolSize	Numero di istogrammi nel pool (tra 2 e numLeaves).
LabelColumnName	Colonna da usare per le etichette. (Ereditato da TrainerInputBaseWithLabel)
MaximumBinCountPerFeature	Numero massimo di valori distinti (bin) per funzionalità.
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.
MaximumCategoricalSplitPointCount	Numero massimo di punti di divisione categorica da considerare quando si divide in una funzionalità categorica.
MemoryStatistics	Stampare le statistiche sulla memoria per ML.NET canale.
MinimumExampleCountPerLeaf	Numero minimo di punti dati necessari per formare una nuova foglia dell'albero.
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.
MinimumExamplesForCategoricalSplit	Numero minimo di esempi categorici in un bin da considerare per una divisione.
NumberOfLeaves	Numero massimo di foglie in ogni albero di regressione.
NumberOfThreads	Numero di thread da usare.
NumberOfTrees	Numero totale di alberi delle decisioni da creare nell'insieme.
RowGroupColumnName	Colonna da usare per esempio groupId. (Ereditato da TrainerInputBaseWithGroupId)
Seed	Inizializzazione del generatore di numeri casuali.
Smoothing	Parametro di smoothing per la regolarizzazione dell'albero.
SoftmaxTemperature	Temperatura della distribuzione softmax casuale per la scelta della funzionalità.
SparsifyThreshold	Livello di sparsità necessario per usare la rappresentazione delle funzionalità sparse.
TestFrequency	Calcolare i valori delle metriche per il training/il test valido/test ogni k round.