TreeOptions Classe

Definição

Namespace:

Microsoft.ML.Trainers.FastTree

Assembly:

Microsoft.ML.FastTree.dll

Pacote:

Microsoft.ML.FastTree v3.0.1

Opções para treinadores de árvore.

public abstract class TreeOptions : Microsoft.ML.Trainers.TrainerInputBaseWithGroupId

type TreeOptions = class
    inherit TrainerInputBaseWithGroupId

Public MustInherit Class TreeOptions
Inherits TrainerInputBaseWithGroupId

Herança

Object

TrainerInputBase

TrainerInputBaseWithLabel

TrainerInputBaseWithWeight

TrainerInputBaseWithGroupId

TreeOptions

Derivado

Microsoft.ML.Trainers.FastTree.BoostedTreeOptions

Microsoft.ML.Trainers.FastTree.FastForestOptionsBase

Construtores

TreeOptions()

Opções para treinadores de árvore.

Campos

AllowEmptyTrees	Quando uma divisão raiz é impossível, permita que o treinamento prossiga.
BaggingExampleFraction	Percentual de exemplos de treinamento usados em cada recipiente. O padrão é 0,7 (70%).
BaggingSize	Número de árvores em cada saco (0 para desabilitar o ensacado).
Bias	Desvio para calcular o gradiente para cada compartimento de recursos para um recurso categórico.
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.
CategoricalSplit	Se deve ser dividido com base em vários valores de recursos categóricos.
CompressEnsemble	Compacte a árvore Ensemble.
DiskTranspose	Se deseja utilizar o disco ou as instalações de transposição nativas dos dados (quando aplicável) ao executar o transpose.
EntropyCoefficient	O coeficiente de entropia (regularização) entre 0 e 1.
ExampleWeightColumnName	Coluna a ser usada, por exemplo, peso. (Herdado de TrainerInputBaseWithWeight)
ExecutionTime	Imprimir detalhamento de tempo de execução para ML.NET canal.
FeatureColumnName	Coluna a ser usada para recursos. (Herdado de TrainerInputBase)
FeatureFirstUsePenalty	O recurso primeiro usa o coeficiente de penalidade.
FeatureFlocks	Se deseja coletar recursos durante a preparação do conjunto de dados para acelerar o treinamento.
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.
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.
FeatureReusePenalty	O coeficiente de penalidade de reutilização do recurso (regularização).
FeatureSelectionSeed	A semente da seleção de recursos ativos.
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.
HistogramPoolSize	O número de histogramas no pool (entre 2 e numLeaves).
LabelColumnName	Coluna a ser usada para rótulos. (Herdado de TrainerInputBaseWithLabel)
MaximumBinCountPerFeature	Número máximo de valores distintos (compartimentos) por recurso.
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.
MaximumCategoricalSplitPointCount	Máximo de pontos de divisão categóricos a serem considerados ao dividir em um recurso categórico.
MemoryStatistics	Imprimir estatísticas de memória para ML.NET canal.
MinimumExampleCountPerLeaf	O número mínimo de pontos de dados necessários para formar uma nova folha de árvore.
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.
MinimumExamplesForCategoricalSplit	Contagem mínima de exemplo categórico em uma lixeira a ser considerada para uma divisão.
NumberOfLeaves	O número máximo de folhas em cada árvore de regressão.
NumberOfThreads	O número máximo de threads.
NumberOfTrees	Número total de árvores de decisão a serem criadas no conjunto.
RowGroupColumnName	Coluna a ser usada por exemplo groupId. (Herdado de TrainerInputBaseWithGroupId)
Seed	A semente do gerador de número aleatório.
Smoothing	Parâmetro de suavização para regularização de árvore.
SoftmaxTemperature	A temperatura da distribuição softmax aleatória para escolher o recurso.
SparsifyThreshold	Nível de moderação necessário para usar a representação de recurso esparsa.
TestFrequency	Calcule valores de métrica para treinamento/válido/teste a cada k rounds.