FastForestOptionsBase Klasa
Definicja
Ważne
Niektóre informacje odnoszą się do produktu w wersji wstępnej, który może zostać znacząco zmodyfikowany przed wydaniem. Firma Microsoft nie udziela żadnych gwarancji, jawnych lub domniemanych, w odniesieniu do informacji podanych w tym miejscu.
Klasa bazowa dla opcji szybkiego trenera lasu.
public abstract class FastForestOptionsBase : Microsoft.ML.Trainers.FastTree.TreeOptionstype FastForestOptionsBase = class
inherit TreeOptionsPublic MustInherit Class FastForestOptionsBase
Inherits TreeOptions- Dziedziczenie
- Pochodne
Pola
| AllowEmptyTrees |
Gdy podział katalogu głównego jest niemożliwy, zezwól na kontynuowanie trenowania. (Odziedziczone po TreeOptions) |
| BaggingExampleFraction |
Procent przykładów treningowych używanych w każdej torbie. Wartość domyślna to 0,7 (70%). (Odziedziczone po TreeOptions) |
| BaggingSize |
Liczba drzew w każdej torbie (0 w celu wyłączenia baggowania). (Odziedziczone po TreeOptions) |
| Bias |
Stronnicza odchylenie do obliczania gradientu dla każdego pojemnika cech kategorii. (Odziedziczone po TreeOptions) |
| Bundling |
Pakuj pojemniki o niskiej populacji. Bundle.None(0): no bundling, Bundle.AggregateLowPopulation(1): Bundle low population, Bundle.Adjacent(2): Neighbor niski pakiet populacji. (Odziedziczone po TreeOptions) |
| CategoricalSplit |
Czy należy podzielić na podstawie wielu wartości cech podzielonych na kategorie. (Odziedziczone po TreeOptions) |
| CompressEnsemble |
Kompresuj drzewo Zespół. (Odziedziczone po TreeOptions) |
| DiskTranspose |
Czy używać dysku, czy natywnych obiektów transponowania danych (w stosownych przypadkach) podczas transponowania. (Odziedziczone po TreeOptions) |
| EntropyCoefficient |
Współczynnik entropii (uregulowania) z zakresu od 0 do 1. (Odziedziczone po TreeOptions) |
| ExampleWeightColumnName |
Kolumna do użycia na przykład wagi. (Odziedziczone po TrainerInputBaseWithWeight) |
| ExecutionTime |
Podział czasu wykonywania wydruku na kanał ML.NET. (Odziedziczone po TreeOptions) |
| FeatureColumnName |
Kolumna do użycia dla funkcji. (Odziedziczone po TrainerInputBase) |
| FeatureFirstUsePenalty |
Funkcja najpierw używa współczynnika kary. (Odziedziczone po TreeOptions) |
| FeatureFlocks |
Czy zbierać funkcje podczas przygotowywania zestawu danych w celu przyspieszenia trenowania. (Odziedziczone po TreeOptions) |
| FeatureFraction |
Ułamek funkcji (wybranych losowo) do użycia w każdej iteracji. Użyj wartości 0,9, jeśli potrzebne jest tylko 90% funkcji. Mniejsze liczby pomagają zmniejszyć nadmierne dopasowanie. (Odziedziczone po TreeOptions) |
| FeatureFractionPerSplit |
Ułamek funkcji (wybranych losowo) do użycia w każdym podziale. Jeśli wartość wynosi 0,9, 90% wszystkich funkcji zostanie odrzuconych w oczekiwaniu. (Odziedziczone po TreeOptions) |
| FeatureReusePenalty |
Współczynnik karny ponownego użycia (regularyzacja). (Odziedziczone po TreeOptions) |
| FeatureSelectionSeed |
Inicjator aktywnego zaznaczenia funkcji. (Odziedziczone po TreeOptions) |
| GainConfidenceLevel |
Dopasowanie drzewa zyskuje pewność siebie. Należy wziąć pod uwagę tylko zysk, jeśli jego prawdopodobieństwo w porównaniu z losowym przyrostem wyboru jest powyżej tej wartości. (Odziedziczone po TreeOptions) |
| HistogramPoolSize |
Liczba histogramów w puli (od 2 do numLeaves). (Odziedziczone po TreeOptions) |
| LabelColumnName |
Kolumna do użycia dla etykiet. (Odziedziczone po TrainerInputBaseWithLabel) |
| MaximumBinCountPerFeature |
Maksymalna liczba unikatowych wartości (pojemników) na funkcję. (Odziedziczone po TreeOptions) |
| MaximumCategoricalGroupCountPerNode |
Maksymalna kategorialne grupy podzielone, które należy wziąć pod uwagę podczas dzielenia na cechę kategorii. Podzielone grupy to kolekcja punktów podzielonych. Służy to do zmniejszenia nadmiernego dopasowania, gdy istnieje wiele cech podzielonych na kategorie. (Odziedziczone po TreeOptions) |
| MaximumCategoricalSplitPointCount |
Maksymalna kategorialne punkty podziału, które należy wziąć pod uwagę podczas dzielenia na cechę kategorii. (Odziedziczone po TreeOptions) |
| MemoryStatistics |
Drukuj statystyki pamięci do ML.NET kanału. (Odziedziczone po TreeOptions) |
| MinimumExampleCountPerLeaf |
Minimalna liczba punktów danych wymaganych do utworzenia nowego liścia drzewa. (Odziedziczone po TreeOptions) |
| MinimumExampleFractionForCategoricalSplit |
Minimalna wartość procentowa przykładu podzielonego na kategorie w pojemniku. Wartość domyślna to 0,1% wszystkich przykładów szkoleniowych. (Odziedziczone po TreeOptions) |
| MinimumExamplesForCategoricalSplit |
Minimalna liczba przykładów kategorii w pojemniku do rozważenia dla podziału. (Odziedziczone po TreeOptions) |
| NumberOfLeaves |
Maksymalna liczba liści w każdym drzewie regresji. (Odziedziczone po TreeOptions) |
| NumberOfQuantileSamples |
Liczba punktów danych do próbkowania z każdego liścia w celu znalezienia rozkładu etykiet. |
| NumberOfThreads |
Liczba wątków do użycia. (Odziedziczone po TreeOptions) |
| NumberOfTrees |
Łączna liczba drzew decyzyjnych do utworzenia w zespole. (Odziedziczone po TreeOptions) |
| RowGroupColumnName |
Kolumna do użycia na przykład groupId. (Odziedziczone po TrainerInputBaseWithGroupId) |
| Seed |
Inicjator generatora liczb losowych. (Odziedziczone po TreeOptions) |
| Smoothing |
Wygładzenie parametru do uregulowania drzewa. (Odziedziczone po TreeOptions) |
| SoftmaxTemperature |
Temperatura losowego rozkładu softmax do wybierania funkcji. (Odziedziczone po TreeOptions) |
| SparsifyThreshold |
Poziom rozrzedu wymagany do używania reprezentacji funkcji rozrzednych. (Odziedziczone po TreeOptions) |
| TestFrequency |
Oblicz wartości metryk dla trenowania/prawidłowego/testowego co k rund. (Odziedziczone po TreeOptions) |