Microsoft.ML.Trainers.FastTree Spazio dei nomi

Spazio dei nomi contenente trainer, parametri del modello e utilità per algoritmi Fast Tree.

Classi

BoostedTreeOptions	Opzioni per l'aumento delle prestazioni degli alberi.
BoostingFastTreeTrainerBase<TOptions,TTransformer,TModel>	Spazio dei nomi contenente trainer, parametri del modello e utilità per algoritmi Fast Tree.
ConsecutiveGeneralityLossRule	Perdita consecutiva in generale (UP).
EarlyStoppingRule	Spazio dei nomi contenente trainer, parametri del modello e utilità per algoritmi Fast Tree.
EarlyStoppingRuleBase	Regola di arresto anticipato usata per terminare il processo di training una volta che soddisfa un criterio specificato. Usato per l'impostazione EarlyStoppingRuleEarlyStoppingRuledi .
FastForestBinaryFeaturizationEstimator	Oggetto IEstimator<TTransformer> per trasformare il vettore di funzionalità di input in funzionalità basate su albero.
FastForestBinaryFeaturizationEstimator.Options	Opzioni per .FastForestBinaryFeaturizationEstimator
FastForestBinaryModelParameters	Parametri del modello per FastForestBinaryTrainer.
FastForestBinaryTrainer	Oggetto IEstimator<TTransformer> per il training di un modello di classificazione binaria dell'albero delle decisioni tramite Fast Forest.
FastForestBinaryTrainer.Options	Opzioni per l'oggetto FastForestBinaryTrainer utilizzato in FastForest(Options).
FastForestOptionsBase	Classe di base per le opzioni fast forest trainer.
FastForestRegressionFeaturizationEstimator	Oggetto IEstimator<TTransformer> per trasformare il vettore di funzionalità di input in funzionalità basate su albero.
FastForestRegressionFeaturizationEstimator.Options	Opzioni per .FastForestRegressionFeaturizationEstimator
FastForestRegressionModelParameters	Parametri del modello per FastForestRegressionTrainer.
FastForestRegressionTrainer	Oggetto IEstimator<TTransformer> per il training di un modello di regressione dell'albero delle decisioni tramite Fast Forest.
FastForestRegressionTrainer.Options	Opzioni per l'oggetto FastForestRegressionTrainer utilizzato in FastForest(Options).
FastTreeBinaryFeaturizationEstimator	Oggetto IEstimator<TTransformer> per trasformare il vettore di funzionalità di input in funzionalità basate su albero.
FastTreeBinaryFeaturizationEstimator.Options	Opzioni per .FastTreeBinaryFeaturizationEstimator
FastTreeBinaryModelParameters	Parametri del modello per FastTreeBinaryTrainer.
FastTreeBinaryTrainer	Oggetto IEstimator<TTransformer> per il training di un modello di classificazione binaria dell'albero delle decisioni tramite FastTree.
FastTreeBinaryTrainer.Options	Opzioni per l'oggetto FastTreeBinaryTrainer usato in FastTree(Options).
FastTreeRankingFeaturizationEstimator	Oggetto IEstimator<TTransformer> per trasformare il vettore di funzionalità di input in funzionalità basate su albero.
FastTreeRankingFeaturizationEstimator.Options	Opzioni per .FastTreeRankingFeaturizationEstimator
FastTreeRankingModelParameters	Parametri del modello per FastTreeRankingTrainer.
FastTreeRankingTrainer	Oggetto IEstimator<TTransformer> per il training di un modello di classificazione dell'albero delle decisioni tramite FastTree.
FastTreeRankingTrainer.Options	Opzioni per l'oggetto FastTreeRankingTrainer usato in FastTree(Options).
FastTreeRegressionFeaturizationEstimator	Oggetto IEstimator<TTransformer> per trasformare il vettore di funzionalità di input in funzionalità basate su albero.
FastTreeRegressionFeaturizationEstimator.Options	Opzioni per .FastTreeRegressionFeaturizationEstimator
FastTreeRegressionModelParameters	Parametri del modello per FastForestRegressionTrainer.
FastTreeRegressionTrainer	Oggetto IEstimator<TTransformer> per il training di un modello di regressione dell'albero delle decisioni tramite FastTree.
FastTreeRegressionTrainer.Options	Opzioni per l'oggetto FastTreeRegressionTrainer usato in FastTree(Options).
FastTreeTrainerBase<TOptions,TTransformer,TModel>	Spazio dei nomi contenente trainer, parametri del modello e utilità per algoritmi Fast Tree.
FastTreeTweedieFeaturizationEstimator	Oggetto IEstimator<TTransformer> per trasformare il vettore di funzionalità di input in funzionalità basate su albero.
FastTreeTweedieFeaturizationEstimator.Options	Opzioni per .FastTreeTweedieFeaturizationEstimator
FastTreeTweedieModelParameters	Parametri del modello per FastTreeTweedieTrainer.
FastTreeTweedieTrainer	Oggetto IEstimator<TTransformer> per il training di un modello di regressione dell'albero delle decisioni usando la funzione di perdita tweedie. Questo formatore è una generalizzazione di Poisson, poisson composto e regressione gamma.
FastTreeTweedieTrainer.Options	Opzioni per l'oggetto FastTreeTweedieTrainer usato in FastTreeTweedie(Options).
GamBinaryModelParameters	Parametri del modello per GamBinaryTrainer.
GamBinaryTrainer	Oggetto IEstimator<TTransformer> per il training di un modello di classificazione binaria con modelli additivi generalizzati (GAM).
GamBinaryTrainer.Options	Opzioni per l'oggetto GamBinaryTrainer utilizzato in Gam(Options).
GamModelParametersBase	Classe di base per i parametri del modello GAM.
GamRegressionModelParameters	Parametri del modello per GamRegressionTrainer.
GamRegressionTrainer	Oggetto IEstimator<TTransformer> per il training di un modello di regressione con modelli additivi generalizzati (GAM).
GamRegressionTrainer.Options	Opzioni per l'oggetto GamRegressionTrainer utilizzato in Gam(Options).
GamTrainerBase<TOptions,TTransformer,TPredictor>.OptionsBase	Classe di base per le opzioni di training basate su GAM.
GamTrainerBase<TOptions,TTransformer,TPredictor>	Classe di base per i trainer GAM.
GeneralityLossRule	Perdita di generalità (GL).
GeneralityToProgressRatioRule	Generalità e rapporto di avanzamento (PQ).
LowProgressRule	Avanzamento basso (LP). Questa regola viene attivata quando i miglioramenti apportati allo stallo del punteggio.
MovingWindowRule	Spazio dei nomi contenente trainer, parametri del modello e utilità per algoritmi Fast Tree.
PretrainedTreeFeaturizationEstimator	Oggetto IEstimator<TTransformer> che contiene un oggetto sottoposto a training preliminare TreeEnsembleModelParameters e chiamarne Fit(IDataView) produce un oggetto di definizione basato sul modello con training preliminare.
PretrainedTreeFeaturizationEstimator.Options	PretrainedTreeFeaturizationEstimator.Options di PretrainedTreeFeaturizationEstimator come utilizzato durante la chiamata a FeaturizeByPretrainTreeEnsemble(TransformsCatalog, PretrainedTreeFeaturizationEstimator+Options).
QuantileRegressionTree	Classe contenitore per esporre Microsoft.ML.Trainers.FastTree.InternalQuantileRegressionTreegli attributi agli utenti. Questa classe non deve essere modificabile, pertanto contiene molti membri di sola lettura. Oltre alle cose ereditate da RegressionTreeBase, si aggiungono GetLeafSamplesAt(Int32) e GetLeafSampleWeightsAt(Int32) per esporre (sotto campioni) etichette di training che rientrano nella foglia leafIndex-th e i relativi pesi.
QuantileRegressionTreeEnsemble	Spazio dei nomi contenente trainer, parametri del modello e utilità per algoritmi Fast Tree.
RandomForestTrainerBase<TOptions,TTransformer,TModel>	Spazio dei nomi contenente trainer, parametri del modello e utilità per algoritmi Fast Tree.
RegressionTree	Classe contenitore per esporre Microsoft.ML.Trainers.FastTree.InternalRegressionTreegli attributi agli utenti. Questa classe non deve essere modificabile, pertanto contiene molti membri di sola lettura. Si noti che RegressionTree è identico a RegressionTreeBase ma in un'altra classe QuantileRegressionTree derivata vengono aggiunti alcuni attributi.
RegressionTreeBase	Classe di base del contenitore per esporre Microsoft.ML.Trainers.FastTree.InternalRegressionTreegli attributi di e Microsoft.ML.Trainers.FastTree.InternalQuantileRegressionTreeagli utenti. Questa classe non deve essere modificabile, pertanto contiene molti membri di sola lettura.
RegressionTreeEnsemble	Spazio dei nomi contenente trainer, parametri del modello e utilità per algoritmi Fast Tree.
TolerantEarlyStoppingRule	Spazio dei nomi contenente trainer, parametri del modello e utilità per algoritmi Fast Tree.
TreeEnsemble<T>	Elenco della RegressionTreeBaseclasse derivata di . Per calcolare il valore di output di un TreeEnsemble<T>, è necessario calcolare i valori di output di tutti gli alberi in Trees, ridimensionare tali valori tramite TreeWeightse infine sommare i valori ridimensionati e Bias l'aumento.
TreeEnsembleFeaturizationEstimatorBase	Questa classe incapsula il comportamento comune di tutti gli strumenti di definizione basati su albero, ad FastTreeBinaryFeaturizationEstimatoresempio , FastForestBinaryFeaturizationEstimator, FastTreeRegressionFeaturizationEstimatorFastForestRegressionFeaturizationEstimator, e PretrainedTreeFeaturizationEstimator. Tutte le funzionalità basate su albero condividono lo stesso schema di output calcolato da GetOutputSchema(SchemaShape). Tutte le funzionalità basate su albero richiedono un nome di colonna di funzionalità di input e un suffisso per tutte le colonne di output. L'oggetto ITransformer restituito da Fit(IDataView) produce tre colonne: (1) i valori di stima di tutti gli alberi, (2) gli ID di lascia il vettore di funzionalità di input che cade in e (3) il vettore binario che codifica i percorsi di tali foglie di destinazione.
TreeEnsembleFeaturizationEstimatorBase.OptionsBase	Opzioni comuni delle funzionalità basate su albero, ad FastTreeBinaryFeaturizationEstimatoresempio , , FastForestBinaryFeaturizationEstimatorFastTreeRegressionFeaturizationEstimator, FastForestRegressionFeaturizationEstimatore PretrainedTreeFeaturizationEstimator.
TreeEnsembleFeaturizationTransformer	ITransformer risultante dall'adattamento di qualsiasi classe derivata di TreeEnsembleFeaturizationEstimatorBase. Le classi derivate includono, ad esempio, FastTreeBinaryFeaturizationEstimator e FastForestRegressionFeaturizationEstimator.
TreeEnsembleModelParameters	Spazio dei nomi contenente trainer, parametri del modello e utilità per algoritmi Fast Tree.
TreeEnsembleModelParametersBasedOnQuantileRegressionTree	TreeEnsembleModelParametersBasedOnQuantileRegressionTree è derivato da TreeEnsembleModelParameters più un attributo pubblico fortemente tipizzato, TrainedTreeEnsemble, per esporre i dettagli del modello sottoposto a training agli utenti. La funzione , Microsoft.ML.Trainers.FastTree.TreeEnsembleModelParametersBasedOnQuantileRegressionTree.CreateTreeEnsembleFromInternalDataStructure, viene chiamata per creare TrainedTreeEnsemble all'interno TreeEnsembleModelParametersdi . Si noti che la differenza principale tra TreeEnsembleModelParametersBasedOnQuantileRegressionTree e TreeEnsembleModelParametersBasedOnRegressionTree è il tipo di TrainedTreeEnsemble.
TreeEnsembleModelParametersBasedOnRegressionTree	TreeEnsembleModelParametersBasedOnRegressionTree è derivato da TreeEnsembleModelParameters più un attributo pubblico fortemente tipizzato, TrainedTreeEnsemble, per esporre i dettagli del modello sottoposto a training agli utenti. La funzione , Microsoft.ML.Trainers.FastTree.TreeEnsembleModelParametersBasedOnRegressionTree.CreateTreeEnsembleFromInternalDataStructure, viene chiamata per creare TrainedTreeEnsemble all'interno TreeEnsembleModelParametersdi . Si noti che la differenza principale tra TreeEnsembleModelParametersBasedOnQuantileRegressionTree e TreeEnsembleModelParametersBasedOnRegressionTree è il tipo di TrainedTreeEnsemble.
TreeOptions	Opzioni per i trainer ad albero.

Enumerazioni

BoostedTreeOptions.OptimizationAlgorithmType	Tipi di algoritmi di ottimizzazione.
Bundle	Spazio dei nomi contenente trainer, parametri del modello e utilità per algoritmi Fast Tree.
EarlyStoppingMetric	Arresto delle misurazioni per la classificazione e la regressione.
EarlyStoppingRankingMetric	Arresto delle misurazioni per la classificazione.