FastTreeRankingTrainer.Options Klasa

Definicja

Przestrzeń nazw:

Microsoft.ML.Trainers.FastTree

Zestaw:

Microsoft.ML.FastTree.dll

Pakiet:

Microsoft.ML.FastTree v3.0.1

Opcje dla FastTreeRankingTrainer elementów używanych w funkcji FastTree(Options).

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

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

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

Dziedziczenie

Object

TrainerInputBase

TrainerInputBaseWithLabel

TrainerInputBaseWithWeight

TrainerInputBaseWithGroupId

TreeOptions

BoostedTreeOptions

FastTreeRankingTrainer.Options

Implementuje

IComponentFactory IComponentFactory<Microsoft.ML.ITrainer>

Konstruktory

FastTreeRankingTrainer.Options()

Utwórz nowy FastTreeRankingTrainer.Options obiekt z wartościami domyślnymi.

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)
BestStepRankingRegressionTrees	Opcja używania najlepszych drzew kroków regresji. (Odziedziczone po BoostedTreeOptions)
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)
CustomGains	Rozdzielona przecinkami lista zysków skojarzonych z każdą etykietą istotności.
DiskTranspose	Czy używać dysku, czy natywnych obiektów transponowania danych (w stosownych przypadkach) podczas transponowania. (Odziedziczone po TreeOptions)
DropoutRate	Współczynnik porzucania w przypadku uregulowania drzewa. (Odziedziczone po BoostedTreeOptions)
EnablePruning	Włącz oczyszczanie drzewa po trenowaniu, aby uniknąć nadmiernego dopasowania. Wymaga zestawu weryfikacji. (Odziedziczone po BoostedTreeOptions)
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)
FilterZeroLambdas	Filtruj zero lambda podczas trenowania. (Odziedziczone po BoostedTreeOptions)
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)
GetDerivativesSampleRate	Próbkuj każde zapytanie 1 w k razy w funkcji GetDerivatives. (Odziedziczone po BoostedTreeOptions)
HistogramPoolSize	Liczba histogramów w puli (od 2 do numLeaves). (Odziedziczone po TreeOptions)
LabelColumnName	Kolumna do użycia dla etykiet. (Odziedziczone po TrainerInputBaseWithLabel)
LearningRate	Tempo nauki. (Odziedziczone po BoostedTreeOptions)
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)
MaximumNumberOfLineSearchSteps	Liczba kroków wyszukiwania w wierszu po nawiasie kwadratowym. (Odziedziczone po BoostedTreeOptions)
MaximumTreeOutput	Górna granica dla bezwzględnej wartości danych wyjściowych pojedynczego drzewa. (Odziedziczone po BoostedTreeOptions)
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)
MinimumStepSize	Minimalny rozmiar kroku wyszukiwania wierszy. (Odziedziczone po BoostedTreeOptions)
NdcgTruncationLevel	Maksymalne obcinanie NDCG do użycia w algorytmie lambdaMAR.
NumberOfLeaves	Maksymalna liczba liści w każdym drzewie regresji. (Odziedziczone po TreeOptions)
NumberOfThreads	Liczba wątków do użycia. (Odziedziczone po TreeOptions)
NumberOfTrees	Łączna liczba drzew decyzyjnych do utworzenia w zespole. (Odziedziczone po TreeOptions)
OptimizationAlgorithm	Algorytm optymalizacji do użycia. (Odziedziczone po BoostedTreeOptions)
PruningThreshold	Próg tolerancji do oczyszczania. (Odziedziczone po BoostedTreeOptions)
PruningWindowSize	Ruchomy rozmiar okna do oczyszczania. (Odziedziczone po BoostedTreeOptions)
RandomStart	Trenowanie rozpoczyna się od losowego porządkowania (określonego przez /r1). (Odziedziczone po BoostedTreeOptions)
RowGroupColumnName	Kolumna do użycia na przykład groupId. (Odziedziczone po TrainerInputBaseWithGroupId)
Seed	Inicjator generatora liczb losowych. (Odziedziczone po TreeOptions)
Shrinkage	Skurcz. (Odziedziczone po BoostedTreeOptions)
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)
UseDcg	Czy trenować przy użyciu obniżonego zysku skumulowanego (DCG) zamiast znormalizowanego DCG (NDCG).
UseLineSearch	Określa, czy należy użyć wyszukiwania wierszy dla rozmiaru kroku. (Odziedziczone po BoostedTreeOptions)
UseTolerantPruning	Używaj okien i tolerancji do oczyszczania. (Odziedziczone po BoostedTreeOptions)
WriteLastEnsemble	Napisz ostatni zespół zamiast tego określony przez wczesne zatrzymanie. (Odziedziczone po BoostedTreeOptions)

Właściwości

EarlyStoppingMetric	Wczesne zatrzymywanie metryk.
EarlyStoppingRule	Reguła wczesnego zatrzymywania używana do zakończenia procesu trenowania po spełnieniu określonego kryterium. Możliwe opcje to EarlyStoppingRuleBaseimplementacje, takie jak TolerantEarlyStoppingRule i GeneralityLossRule. (Odziedziczone po BoostedTreeOptions)

Jawne implementacje interfejsu

IComponentFactory<ITrainer>.CreateComponent(IHostEnvironment)

Opcje dla FastTreeRankingTrainer elementów używanych w funkcji FastTree(Options).