FastTreeRegressionFeaturizationEstimator Klasa

Definicja

Przestrzeń nazw:

Microsoft.ML.Trainers.FastTree

Zestaw:

Microsoft.ML.FastTree.dll

Pakiet:

Microsoft.ML.FastTree v2.0.0

Element do IEstimator<TTransformer> przekształcania wektora funkcji wejściowych na funkcje oparte na drzewie.

public sealed class FastTreeRegressionFeaturizationEstimator : Microsoft.ML.Trainers.FastTree.TreeEnsembleFeaturizationEstimatorBase

type FastTreeRegressionFeaturizationEstimator = class
    inherit TreeEnsembleFeaturizationEstimatorBase

Public NotInheritable Class FastTreeRegressionFeaturizationEstimator
Inherits TreeEnsembleFeaturizationEstimatorBase

Dziedziczenie

Object

TreeEnsembleFeaturizationEstimatorBase

FastTreeRegressionFeaturizationEstimator

Uwagi

Kolumny wejściowe i wyjściowe

Dane kolumny etykiety wejściowej muszą mieć wartość Single. Dane wejściowe funkcji kolumny muszą być znanym wektorem o rozmiarze Single.

Ten narzędzie do szacowania generuje następujące kolumny:

Nazwa kolumny wyjściowej	Typ kolumny	Opis
Trees	Znany wektor wielkości Single	Wartości wyjściowe wszystkich drzew. Jego rozmiar jest identyczny z całkowitą liczbą drzew w modelu zespołu drzewa.
Leaves	Znany wektor wielkości Single	Reprezentacja wektora 0-1 na identyfikatory wszystkich liści, w których wektor funkcji wejściowej mieści się. Jego rozmiar to liczba całkowitych liści w modelu zespołu drzewa.
Paths	Znany wektor wielkości Single	Reprezentacja 0–1 wektora do ścieżek wektora funkcji wejściowej przekazywanego w celu dotarcia do liści. Jego rozmiar to liczba węzłów innych niż liści w modelu zespołu drzewa.

Te kolumny wyjściowe są opcjonalne, a użytkownik może zmienić ich nazwy. Ustaw nazwy pominiętych kolumn na null, aby nie były tworzone.

Szczegóły przewidywania

Ten narzędzie do szacowania generuje kilka kolumn wyjściowych z modelu zespołu drzewa. Załóżmy, że model zawiera tylko jedno drzewo decyzyjne:

               Node 0
               /    \
             /        \
           /            \
         /                \
       Node 1            Node 2
       /    \            /    \
     /        \        /        \
   /            \     Leaf -3  Node 3
  Leaf -1      Leaf -2         /    \
                             /        \
                            Leaf -4  Leaf -5

Załóżmy, że wektor funkcji wejściowej mieści się w Leaf -1obiekcie . Dane wyjściowe Trees mogą być wektorem 1-elementu, w którym jedyną wartością jest wartość decyzyjna przenoszona przez Leaf -1element . Dane wyjściowe Leaves są wektorem 0–1. Jeśli osiągnięto liść jest $i$-th (indeksowany przez $-(i+1)$, więc pierwszy liść to Leaf -1) liścia w drzewie, wartość $i$-th w Leaves będzie wynosić 1, a wszystkie inne wartości to 0. Dane wyjściowe Paths to 0–1 reprezentacja węzłów przekazywanych przed dotarciem do liścia. Element $i$-th wskazuje Paths , czy jest dotykany węzeł $i$-th (indeksowany przez $i$). Na przykład dotarcie Leaf -1 do prowadzić do wartości $[1, 1, 0, 0]$ jako Pathswartości . Jeśli istnieje wiele drzew, ten narzędzie do szacowania po prostu łączy Treeswartości "s" Leaves, "s" Pathsze wszystkich drzew (informacje o pierwszym drzewie są najpierw w połączonych wektorach).

Zapoznaj się z sekcją Zobacz również, aby uzyskać linki do przykładów użycia.

Metody

Fit(IDataView)	Utwórz element, który mapuje kolumnę wywoływaną TreeEnsembleModelParametersInputColumnName na input trzy kolumny wyjściowe. (Odziedziczone po TreeEnsembleFeaturizationEstimatorBase)
GetOutputSchema(SchemaShape)	PretrainedTreeFeaturizationEstimator Dodaje trzy kolumny wektorów zmiennoprzecinkowych do inputSchemaelementu . Biorąc pod uwagę kolumnę wektora funkcji, dodane kolumny to wartości przewidywania wszystkich drzew, identyfikatory liści, do których wektor funkcji wchodzi, oraz ścieżki do tych liści. (Odziedziczone po TreeEnsembleFeaturizationEstimatorBase)

Metody rozszerzania

AppendCacheCheckpoint<TTrans>(IEstimator<TTrans>, IHostEnvironment)

Dołącz punkt kontrolny buforowania do łańcucha narzędzia do szacowania. Zapewni to, że narzędzia do szacowania podrzędnego zostaną wytrenowane względem buforowanych danych. Warto mieć punkt kontrolny buforowania, zanim trenerzy przejmą wiele danych.

WithOnFitDelegate<TTransformer>(IEstimator<TTransformer>, Action<TTransformer>)

Biorąc pod uwagę narzędzie do szacowania, zwróć obiekt opakowujący, który wywoła delegata po Fit(IDataView) wywołaniu. Często ważne jest, aby narzędzie do szacowania zwracało informacje o tym, co było odpowiednie, dlatego Fit(IDataView) metoda zwraca specjalnie wpisany obiekt, a nie tylko ogólną ITransformerwartość . Jednak w tym samym czasie IEstimator<TTransformer> często są tworzone w potoki z wieloma obiektami, więc może być konieczne utworzenie łańcucha narzędzi do szacowania za pośrednictwem EstimatorChain<TLastTransformer> miejsca, w którym narzędzie do szacowania, dla którego chcemy uzyskać transformator jest pochowany gdzieś w tym łańcuchu. W tym scenariuszu możemy za pomocą tej metody dołączyć delegata, który zostanie wywołany po wywołaniu dopasowania.

Zobacz też

• FeaturizeByFastTreeRegression(TransformsCatalog, FastTreeRegressionFeaturizationEstimator+Options)