次の方法で共有


FastTreeRankingModelParameters クラス

定義

のモデル パラメーター FastTreeRankingTrainer

public sealed class FastTreeRankingModelParameters : Microsoft.ML.Trainers.FastTree.TreeEnsembleModelParametersBasedOnRegressionTree
type FastTreeRankingModelParameters = class
    inherit TreeEnsembleModelParametersBasedOnRegressionTree
Public NotInheritable Class FastTreeRankingModelParameters
Inherits TreeEnsembleModelParametersBasedOnRegressionTree
継承

プロパティ

TrainedTreeEnsemble

ユーザーに公開されるツリーのアンサンブル。 これは in のinternalMicrosoft.ML.Trainers.FastTree.InternalTreeEnsembleTreeEnsemble<T>ラッパーです。

(継承元 TreeEnsembleModelParametersBasedOnRegressionTree)

メソッド

GetFeatureWeights(VBuffer<Single>)

すべてのツリーの各フィーチャの累積分割ゲインを取得します。

(継承元 TreeEnsembleModelParameters)

明示的なインターフェイスの実装

ICalculateFeatureContribution.FeatureContributionCalculator

によって例のスコアに対する各特徴の寄与を決定するために使用されます FeatureContributionCalculatingTransformer。 特徴量の寄与度の計算は、基本的に、ツリー内のどの分割が最終的なスコアに最も影響するかを決定し、その影響の値を分割を決定する特徴に割り当てることで構成されます。 より正確には、特徴の寄与は、特定の特徴の決定ノードが検出されるたびに反対のサブツリーを探索することによって生成されるスコアの変化と等しくなります。 バイナリ機能 F1 のデシジョン ノードを持つ 1 つのデシジョン ツリーを使用する単純なケースを考えてみましょう。 特徴 F1 が true に等しい例を考えると、他の特徴を一定に保ちながら、特徴 F1 に対応するサブツリーを false に対応するサブツリーを選択した場合に取得したスコアを計算できます。 与えられた例に対する特徴F1の寄与は、特徴F1に対応するノードで反対の決定を取ることによって得られた元のスコアとスコアの差である。 このアルゴリズムは、多くのデシジョン ツリーを持つモデルに自然に拡張されます。

(継承元 TreeEnsembleModelParameters)
ICanSaveModel.Save(ModelSaveContext)

のモデル パラメーター FastTreeRankingTrainer

(継承元 ModelParametersBase<TOutput>)

適用対象