다음을 통해 공유


FastForestBinaryModelParameters 클래스

정의

에 대한 FastForestBinaryTrainer모델 매개 변수

public sealed class FastForestBinaryModelParameters : Microsoft.ML.Trainers.FastTree.TreeEnsembleModelParametersBasedOnQuantileRegressionTree
type FastForestBinaryModelParameters = class
    inherit TreeEnsembleModelParametersBasedOnQuantileRegressionTree
Public NotInheritable Class FastForestBinaryModelParameters
Inherits TreeEnsembleModelParametersBasedOnQuantileRegressionTree
상속

속성

TrainedTreeEnsemble

사용자에게 노출되는 트리의 앙상블입니다. 에 있는 internalMicrosoft.ML.Trainers.FastTree.InternalTreeEnsembleTreeEnsemble<T>래퍼입니다.

(다음에서 상속됨 TreeEnsembleModelParametersBasedOnQuantileRegressionTree)

메서드

GetFeatureWeights(VBuffer<Single>)

모든 트리에서 각 기능에 대한 누적 분할 이익을 가져옵니다.

(다음에서 상속됨 TreeEnsembleModelParameters)

명시적 인터페이스 구현

ICalculateFeatureContribution.FeatureContributionCalculator

에 의해 예제 FeatureContributionCalculatingTransformer의 점수에 대한 각 기능의 기여도를 확인하는 데 사용됩니다. 기능 기여도 계산은 기본적으로 트리의 분할이 최종 점수에 가장 큰 영향을 미치는지 확인하고 분할을 결정하는 기능에 미치는 영향의 값을 할당하는 것으로 구성됩니다. 더 정확하게 말하면, 기능의 기여도는 지정된 기능에 대한 의사 결정 노드가 발생할 때마다 반대 하위 트리를 탐색하여 생성된 점수의 변경과 같습니다. 이진 기능 F1에 대한 의사 결정 노드가 있는 단일 의사 결정 트리가 있는 간단한 사례를 고려합니다. F1 기능이 true와 같은 예제를 사용하면 다른 기능을 상수로 유지하면서 F1 기능에 해당하는 하위 트리를 false로 선택한 경우 얻은 점수를 계산할 수 있습니다. 지정된 예제에 대한 기능 F1의 기여도는 기능 F1에 해당하는 노드에서 반대 결정을 내려서 얻은 점수와 원래 점수의 차이입니다. 이 알고리즘은 의사 결정 트리가 많은 모델로 자연스럽게 확장됩니다.

(다음에서 상속됨 TreeEnsembleModelParameters)
ICanSaveModel.Save(ModelSaveContext)

에 대한 FastForestBinaryTrainer모델 매개 변수

(다음에서 상속됨 ModelParametersBase<TOutput>)

적용 대상