FastTreeTweedieTrainer.Options Classe

Definição

Namespace:

Microsoft.ML.Trainers.FastTree

Assembly:

Microsoft.ML.FastTree.dll

Pacote:

Microsoft.ML.FastTree v2.0.0

Opções para o FastTreeTweedieTrainer conforme usado em FastTreeTweedie(Options).

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

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

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

Herança

Object

TrainerInputBase

TrainerInputBaseWithLabel

TrainerInputBaseWithWeight

TrainerInputBaseWithGroupId

TreeOptions

BoostedTreeOptions

FastTreeTweedieTrainer.Options

Implementações

IComponentFactory IComponentFactory<Microsoft.ML.ITrainer>

Construtores

FastTreeTweedieTrainer.Options()

Crie um novo FastTreeTweedieTrainer.Options objeto com valores padrão.

Campos

AllowEmptyTrees	Quando uma divisão raiz é impossível, permita que o treinamento prossiga. (Herdado de TreeOptions)
BaggingExampleFraction	Percentual 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 ensacado). (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 de baixa população vizinho. (Herdado de TreeOptions)
CategoricalSplit	Se deve ser dividido com base em vários valores de recursos categóricos. (Herdado de TreeOptions)
CompressEnsemble	Compacte a árvore Ensemble. (Herdado de TreeOptions)
DiskTranspose	Se deseja utilizar o disco ou as instalações de transposição nativas dos dados (quando aplicável) ao executar o transpose. (Herdado de TreeOptions)
DropoutRate	Taxa de descarte 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	Imprimir detalhamento de tempo de execução 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 deseja coletar recursos 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 do recurso (regularização). (Herdado de TreeOptions)
FeatureSelectionSeed	A semente da seleção de recursos ativos. (Herdado de TreeOptions)
FilterZeroLambdas	Filtre zero lambdas durante o treinamento. (Herdado de BoostedTreeOptions)
GainConfidenceLevel	O ajuste de árvore ganha o requisito de confiança. Considere apenas um ganho se sua probabilidade versus um ganho de escolha aleatória estiver acima desse valor. (Herdado de TreeOptions)
GetDerivativesSampleRate	Exemplo de 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)
Index	O parâmetro de índice para a distribuição tweedie, no intervalo [1, 2]. 1 é perda de Poisson, 2 é perda gama e valores intermediários são perda composta de Poisson.
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 divididos. 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 para 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 uma lixeira a ser considerada para uma divisão. O padrão é 0,1% de todos os exemplos de treinamento. (Herdado de TreeOptions)
MinimumExamplesForCategoricalSplit	Contagem mínima de exemplo categórico em uma lixeira a ser considerada para uma divisão. (Herdado de TreeOptions)
MinimumStepSize	Tamanho mínimo da etapa de pesquisa de linha. (Herdado de BoostedTreeOptions)
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 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 recurso esparsa. (Herdado de TreeOptions)
TestFrequency	Calcule valores de métrica para treinamento/válido/teste a cada k rounds. (Herdado de TreeOptions)
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 como TolerantEarlyStoppingRule e GeneralityLossRule. (Herdado de BoostedTreeOptions)

Implantações explícitas de interface

IComponentFactory<ITrainer>.CreateComponent(IHostEnvironment)

Opções para o FastTreeTweedieTrainer conforme usado em FastTreeTweedie(Options).