次の方法で共有


FastTreeRegressionModelParameters クラス

定義

のモデル パラメーター FastForestRegressionTrainer

public sealed class FastTreeRegressionModelParameters : Microsoft.ML.Trainers.FastTree.TreeEnsembleModelParametersBasedOnRegressionTree
type FastTreeRegressionModelParameters = class
    inherit TreeEnsembleModelParametersBasedOnRegressionTree
Public NotInheritable Class FastTreeRegressionModelParameters
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>)

すべてのツリーにわたる各機能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

例のスコアに対する各機能の寄与度を決定するために使用されます FeatureContributionCalculatingTransformer。 特徴の寄与度の計算は、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、分割を決定する特徴に影響の値を割り当てることで構成されます。 より正確に言えば、特徴の寄与度は、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調べ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 ノードを持つ単一のデシジョン 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。 特定の例の特徴 F1 の寄与は、元のスコアと、特徴 F1 に対応するノードで逆の決定を行って得られるスコアの差です。 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 FastForestRegressionTrainer

(継承元 ModelParametersBase<TOutput>)

適用対象