FastTreeRegressionTrainer.Options 클래스

정의

네임스페이스:

Microsoft.ML.Trainers.FastTree

어셈블리:

Microsoft.ML.FastTree.dll

패키지:

Microsoft.ML.FastTree v2.0.0

FastTreeRegressionTrainerFastTree(옵션)에 사용되는 의 옵션입니다.

public sealed class FastTreeRegressionTrainer.Options : Microsoft.ML.Trainers.FastTree.BoostedTreeOptions, Microsoft.ML.Runtime.IComponentFactory<Microsoft.ML.ITrainer>

type FastTreeRegressionTrainer.Options = class
    inherit BoostedTreeOptions
    interface IComponentFactory<ITrainer>
    interface IComponentFactory

Public NotInheritable Class FastTreeRegressionTrainer.Options
Inherits BoostedTreeOptions
Implements IComponentFactory(Of ITrainer)

상속

Object

TrainerInputBase

TrainerInputBaseWithLabel

TrainerInputBaseWithWeight

TrainerInputBaseWithGroupId

TreeOptions

BoostedTreeOptions

FastTreeRegressionTrainer.Options

구현

IComponentFactory IComponentFactory<Microsoft.ML.ITrainer>

생성자

FastTreeRegressionTrainer.Options()

기본값을 사용하여 새 FastTreeRegressionTrainer.Options 개체를 만듭니다.

필드

AllowEmptyTrees	루트 분할이 불가능한 경우 학습을 진행하도록 허용합니다. (다음에서 상속됨 TreeOptions)
BaggingExampleFraction	각 모음에 사용되는 학습 예제의 백분율입니다. 기본값은 0.7(70%)입니다. (다음에서 상속됨 TreeOptions)
BaggingSize	각 가방의 트리 수(가방 사용 안 시에 0개). (다음에서 상속됨 TreeOptions)
BestStepRankingRegressionTrees	최상의 회귀 단계 트리를 사용하는 옵션입니다. (다음에서 상속됨 BoostedTreeOptions)
Bias	범주 기능의 각 기능 bin에 대한 그라데이션 계산에 대한 바이어스입니다. (다음에서 상속됨 TreeOptions)
Bundling	낮은 모집단 빈을 번들로 묶습니다. Bundle.None(0): 번들 없음, Bundle.AggregateLowPopulation(1): 번들 낮은 인구, Bundle.Adjacent(2): 인접한 하위 인구 번들. (다음에서 상속됨 TreeOptions)
CategoricalSplit	여러 범주 기능 값을 기준으로 분할할지 여부입니다. (다음에서 상속됨 TreeOptions)
CompressEnsemble	트리 앙상블을 압축합니다. (다음에서 상속됨 TreeOptions)
DiskTranspose	트랜스포지션을 수행할 때 디스크 또는 데이터의 네이티브 트랜스포지션 기능(해당하는 경우)을 활용할지 여부입니다. (다음에서 상속됨 TreeOptions)
DropoutRate	트리 정규화에 대한 드롭아웃 속도입니다. (다음에서 상속됨 BoostedTreeOptions)
EnablePruning	과잉 맞춤을 방지하려면 학습 후 트리 정리를 사용하도록 설정합니다. 유효성 검사 집합이 필요합니다. (다음에서 상속됨 BoostedTreeOptions)
EntropyCoefficient	0에서 1 사이의 엔트로피(정규화) 계수입니다. (다음에서 상속됨 TreeOptions)
ExampleWeightColumnName	예를 들어 가중치에 사용할 열입니다. (다음에서 상속됨 TrainerInputBaseWithWeight)
ExecutionTime	ML.NET 채널에 대한 실행 시간 분석을 인쇄합니다. (다음에서 상속됨 TreeOptions)
FeatureColumnName	기능에 사용할 열입니다. (다음에서 상속됨 TrainerInputBase)
FeatureFirstUsePenalty	이 기능은 먼저 페널티 계수를 사용합니다. (다음에서 상속됨 TreeOptions)
FeatureFlocks	학습 속도를 높이기 위해 데이터 세트 준비 중에 기능을 수집할지 여부입니다. (다음에서 상속됨 TreeOptions)
FeatureFraction	각 반복에 사용할 기능(임의로 선택됨)의 비율입니다. 기능의 90%만 필요한 경우 0.9를 사용합니다. 숫자가 낮을 경우 과잉 맞춤을 줄이는 데 도움이 됩니다. (다음에서 상속됨 TreeOptions)
FeatureFractionPerSplit	각 분할에 사용할 기능(임의로 선택됨)의 비율입니다. 값이 0.9이면 모든 기능의 90%가 기대에 못미치게 됩니다. (다음에서 상속됨 TreeOptions)
FeatureReusePenalty	이 기능은 페널티(정규화) 계수를 다시 사용합니다. (다음에서 상속됨 TreeOptions)
FeatureSelectionSeed	활성 기능 선택 항목의 시드입니다. (다음에서 상속됨 TreeOptions)
FilterZeroLambdas	학습 중에 람다 0을 필터링합니다. (다음에서 상속됨 BoostedTreeOptions)
GainConfidenceLevel	트리 피팅은 신뢰도 요구 사항을 얻습니다. 확률과 임의 선택 이득이 이 값보다 높은 경우에만 게인을 고려합니다. (다음에서 상속됨 TreeOptions)
GetDerivativesSampleRate	GetDerivatives 함수에서 각 쿼리를 k번씩 샘플링합니다. (다음에서 상속됨 BoostedTreeOptions)
HistogramPoolSize	풀의 히스토그램 수(2~numLeaves)입니다. (다음에서 상속됨 TreeOptions)
LabelColumnName	레이블에 사용할 열입니다. (다음에서 상속됨 TrainerInputBaseWithLabel)
LearningRate	학습 속도입니다. (다음에서 상속됨 BoostedTreeOptions)
MaximumBinCountPerFeature	기능당 고유한 값(bin)의 최대 개수. (다음에서 상속됨 TreeOptions)
MaximumCategoricalGroupCountPerNode	범주 기능에서 분할할 때 고려할 최대 범주 분할 그룹입니다. 분할 그룹은 분할 지점의 컬렉션입니다. 이는 여러 범주 기능이 있을 때 과잉 맞춤을 줄이는 데 사용됩니다. (다음에서 상속됨 TreeOptions)
MaximumCategoricalSplitPointCount	범주 기능에서 분할할 때 고려할 최대 범주 분할 지점입니다. (다음에서 상속됨 TreeOptions)
MaximumNumberOfLineSearchSteps	대괄호 이후 줄 검색 단계의 수입니다. (다음에서 상속됨 BoostedTreeOptions)
MaximumTreeOutput	단일 트리 출력의 절대값에 대한 상한입니다. (다음에서 상속됨 BoostedTreeOptions)
MemoryStatistics	메모리 통계를 ML.NET 채널에 인쇄합니다. (다음에서 상속됨 TreeOptions)
MinimumExampleCountPerLeaf	새 트리 리프를 형성하는 데 필요한 최소 데이터 요소 수입니다. (다음에서 상속됨 TreeOptions)
MinimumExampleFractionForCategoricalSplit	분할에 대해 고려할 bin의 최소 범주 예제 백분율입니다. 기본값은 모든 학습 예제의 0.1%입니다. (다음에서 상속됨 TreeOptions)
MinimumExamplesForCategoricalSplit	분할에 대해 고려할 bin의 최소 범주 예제 수입니다. (다음에서 상속됨 TreeOptions)
MinimumStepSize	최소 줄 검색 단계 크기입니다. (다음에서 상속됨 BoostedTreeOptions)
NumberOfLeaves	각 회귀 트리의 최대 잎 수입니다. (다음에서 상속됨 TreeOptions)
NumberOfThreads	사용할 스레드 수입니다. (다음에서 상속됨 TreeOptions)
NumberOfTrees	앙상블에서 만들 의사 결정 트리의 총 수입니다. (다음에서 상속됨 TreeOptions)
OptimizationAlgorithm	사용할 최적화 알고리즘입니다. (다음에서 상속됨 BoostedTreeOptions)
PruningThreshold	정리에 대한 허용 오차 임계값입니다. (다음에서 상속됨 BoostedTreeOptions)
PruningWindowSize	정리를 위한 이동 창 크기입니다. (다음에서 상속됨 BoostedTreeOptions)
RandomStart	학습은 임의 순서에서 시작됩니다(/r1에 의해 결정됨). (다음에서 상속됨 BoostedTreeOptions)
RowGroupColumnName	groupId 예제에 사용할 열입니다. (다음에서 상속됨 TrainerInputBaseWithGroupId)
Seed	난수 생성기의 시드입니다. (다음에서 상속됨 TreeOptions)
Shrinkage	수축. (다음에서 상속됨 BoostedTreeOptions)
Smoothing	트리 정규화를 위한 스무딩 매개 변수입니다. (다음에서 상속됨 TreeOptions)
SoftmaxTemperature	기능을 선택하기 위한 임의 소프트맥스 분포의 온도입니다. (다음에서 상속됨 TreeOptions)
SparsifyThreshold	스파스 기능 표현을 사용하는 데 필요한 스파스 수준입니다. (다음에서 상속됨 TreeOptions)
TestFrequency	k 라운드마다 학습/유효/테스트에 대한 메트릭 값을 계산합니다. (다음에서 상속됨 TreeOptions)
UseLineSearch	단계 크기에 대한 줄 검색을 사용할지 여부를 결정합니다. (다음에서 상속됨 BoostedTreeOptions)
UseTolerantPruning	정리에 창 및 허용 오차를 사용합니다. (다음에서 상속됨 BoostedTreeOptions)
WriteLastEnsemble	조기 중지로 결정되는 앙상블 대신 마지막 앙상블을 작성합니다. (다음에서 상속됨 BoostedTreeOptions)

속성

EarlyStoppingMetric	메트릭을 조기 중지합니다.
EarlyStoppingRule	지정된 조건을 충족하면 학습 프로세스를 종료하는 데 사용되는 조기 중지 규칙입니다. 가능한 선택은 EarlyStoppingRuleBase및 GeneralityLossRule와 같은 TolerantEarlyStoppingRule 의 구현입니다. (다음에서 상속됨 BoostedTreeOptions)

명시적 인터페이스 구현

IComponentFactory<ITrainer>.CreateComponent(IHostEnvironment)

FastTreeRegressionTrainerFastTree(옵션)에 사용되는 의 옵션입니다.