Compartilhar via


FastTreeRankingTrainer.Options Classe

Definição

Opções para o FastTreeRankingTrainer conforme usado em 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)
Herança
Implementações
IComponentFactory IComponentFactory<Microsoft.ML.ITrainer>

Construtores

FastTreeRankingTrainer.Options()

Crie um novo FastTreeRankingTrainer.Options objeto com valores padrão.

Campos

AllowEmptyTrees

Quando uma divisão raiz for impossível, permita que o treinamento continue.

(Herdado de TreeOptions)
BaggingExampleFraction

Porcentagem de exemplos de treinamento usados em cada recipiente. O padrão é 0,7 (70%).

(Herdado de TreeOptions)
BaggingSize

Número de árvores em cada saco (0 para desabilitar o ensaca).

(Herdado de TreeOptions)
BestStepRankingRegressionTrees

Opção para usar as melhores árvores de etapas de regressão.

(Herdado de BoostedTreeOptions)
Bias

Desvio para calcular o gradiente para cada compartimento de recursos para um recurso categórico.

(Herdado de TreeOptions)
Bundling

Agrupar compartimentos de baixa população. Bundle.None(0): sem agrupamento, Bundle.AggregateLowPopulation(1): agrupar baixa população, Bundle.Adjacent(2): pacote vizinho de baixa população.

(Herdado de TreeOptions)
CategoricalSplit

Se deve ser dividido com base em vários valores de recurso categóricos.

(Herdado de TreeOptions)
CompressEnsemble

Compacte a árvore Ensemble.

(Herdado de TreeOptions)
CustomGains

Lista separada por vírgulas de ganhos associados a cada rótulo de relevância.

DiskTranspose

Se é necessário utilizar o disco ou as instalações de transposição nativas dos dados (quando aplicável) ao executar a transposição.

(Herdado de TreeOptions)
DropoutRate

Taxa de abandono para regularização de árvore.

(Herdado de BoostedTreeOptions)
EnablePruning

Habilite a remoção de árvore pós-treinamento para evitar o sobreajuste. Ele requer um conjunto de validação.

(Herdado de BoostedTreeOptions)
EntropyCoefficient

O coeficiente de entropia (regularização) entre 0 e 1.

(Herdado de TreeOptions)
ExampleWeightColumnName

Coluna a ser usada, por exemplo, peso.

(Herdado de TrainerInputBaseWithWeight)
ExecutionTime

Análise do tempo de execução de impressão para ML.NET canal.

(Herdado de TreeOptions)
FeatureColumnName

Coluna a ser usada para recursos.

(Herdado de TrainerInputBase)
FeatureFirstUsePenalty

O recurso primeiro usa o coeficiente de penalidade.

(Herdado de TreeOptions)
FeatureFlocks

Se os recursos devem ser coletados durante a preparação do conjunto de dados para acelerar o treinamento.

(Herdado de TreeOptions)
FeatureFraction

A fração de recursos (escolhida aleatoriamente) a ser usada em cada iteração. Use 0,9 se apenas 90% dos recursos forem necessários. Números mais baixos ajudam a reduzir o excesso de ajuste.

(Herdado de TreeOptions)
FeatureFractionPerSplit

A fração de recursos (escolhida aleatoriamente) a ser usada em cada divisão. Se o valor for 0,9, 90% de todos os recursos serão descartados na expectativa.

(Herdado de TreeOptions)
FeatureReusePenalty

O coeficiente de penalidade de reutilização (regularização) do recurso.

(Herdado de TreeOptions)
FeatureSelectionSeed

A semente da seleção de recursos ativos.

(Herdado de TreeOptions)
FilterZeroLambdas

Filtrar zero lambdas durante o treinamento.

(Herdado de BoostedTreeOptions)
GainConfidenceLevel

Requisito de confiança de ganho de ajuste de árvore. Considere apenas um ganho se sua probabilidade versus um ganho de escolha aleatória estiver acima desse valor.

(Herdado de TreeOptions)
GetDerivativesSampleRate

Amostra cada consulta 1 em k vezes na função GetDerivatives.

(Herdado de BoostedTreeOptions)
HistogramPoolSize

O número de histogramas no pool (entre 2 e numLeaves).

(Herdado de TreeOptions)
LabelColumnName

Coluna a ser usada para rótulos.

(Herdado de TrainerInputBaseWithLabel)
LearningRate

A taxa de aprendizado.

(Herdado de BoostedTreeOptions)
MaximumBinCountPerFeature

Número máximo de valores distintos (compartimentos) por recurso.

(Herdado de TreeOptions)
MaximumCategoricalGroupCountPerNode

Máximo de grupos divididos categóricos a serem considerados ao dividir em um recurso categórico. Grupos divididos são uma coleção de pontos de divisão. Isso é usado para reduzir o sobreajuste quando há muitos recursos categóricos.

(Herdado de TreeOptions)
MaximumCategoricalSplitPointCount

Máximo de pontos de divisão categóricos a serem considerados ao dividir em um recurso categórico.

(Herdado de TreeOptions)
MaximumNumberOfLineSearchSteps

Número de etapas de pesquisa de linha pós-colchete.

(Herdado de BoostedTreeOptions)
MaximumTreeOutput

Limite superior no valor absoluto da saída de árvore única.

(Herdado de BoostedTreeOptions)
MemoryStatistics

Imprimir estatísticas de memória em ML.NET canal.

(Herdado de TreeOptions)
MinimumExampleCountPerLeaf

O número mínimo de pontos de dados necessários para formar uma nova folha de árvore.

(Herdado de TreeOptions)
MinimumExampleFractionForCategoricalSplit

Percentual mínimo de exemplo categórico em um compartimento a ser considerado para uma divisão. O padrão é 0,1% de todos os exemplos de treinamento.

(Herdado de TreeOptions)
MinimumExamplesForCategoricalSplit

Contagem mínima de exemplo categórico em um compartimento a ser considerado para uma divisão.

(Herdado de TreeOptions)
MinimumStepSize

Tamanho mínimo da etapa de pesquisa de linha.

(Herdado de BoostedTreeOptions)
NdcgTruncationLevel

O truncamento máximo do NDCG a ser usado no algoritmo LambdaMAR.

NumberOfLeaves

O número máximo de folhas em cada árvore de regressão.

(Herdado de TreeOptions)
NumberOfThreads

O número máximo de threads.

(Herdado de TreeOptions)
NumberOfTrees

Número total de árvores de decisão a serem criadas no conjunto.

(Herdado de TreeOptions)
OptimizationAlgorithm

Algoritmo de otimização a ser usado.

(Herdado de BoostedTreeOptions)
PruningThreshold

O limite de tolerância para remoção.

(Herdado de BoostedTreeOptions)
PruningWindowSize

O tamanho da janela móvel para remoção.

(Herdado de BoostedTreeOptions)
RandomStart

O treinamento começa com a ordenação aleatória (determinada por /r1).

(Herdado de BoostedTreeOptions)
RowGroupColumnName

Coluna a ser usada, por exemplo, groupId.

(Herdado de TrainerInputBaseWithGroupId)
Seed

A semente do gerador de número aleatório.

(Herdado de TreeOptions)
Shrinkage

Encolhimento.

(Herdado de BoostedTreeOptions)
Smoothing

Parâmetro de suavização para regularização de árvore.

(Herdado de TreeOptions)
SoftmaxTemperature

A temperatura da distribuição softmax aleatória para escolher o recurso.

(Herdado de TreeOptions)
SparsifyThreshold

Nível de moderação necessário para usar a representação de recursos esparsos.

(Herdado de TreeOptions)
TestFrequency

Calcule valores de métrica para treinamento/válido/teste a cada k rounds.

(Herdado de TreeOptions)
UseDcg

Se é necessário treinar usando o DCG (ganho cumulativo com desconto) em vez do NDCG (DCG normalizado).

UseLineSearch

Determina se a pesquisa de linha deve ser usada para um tamanho de etapa.

(Herdado de BoostedTreeOptions)
UseTolerantPruning

Use janela e tolerância para remoção.

(Herdado de BoostedTreeOptions)
WriteLastEnsemble

Escreva o último conjunto em vez do determinado pela parada antecipada.

(Herdado de BoostedTreeOptions)

Propriedades

EarlyStoppingMetric

Métricas de interrupção antecipada.

EarlyStoppingRule

Regra de interrupção antecipada usada para encerrar o processo de treinamento depois de atender a um critério especificado. As opções possíveis são EarlyStoppingRuleBaseimplementações de , como TolerantEarlyStoppingRule e GeneralityLossRule.

(Herdado de BoostedTreeOptions)

Implantações explícitas de interface

IComponentFactory<ITrainer>.CreateComponent(IHostEnvironment)

Opções para o FastTreeRankingTrainer conforme usado em FastTree(Options).

Aplica-se a