Compartilhar via


LightGbmRankingModelParameters Classe

Definição

Parâmetros de modelo para LightGbmRankingTrainer.

public sealed class LightGbmRankingModelParameters : Microsoft.ML.Trainers.FastTree.TreeEnsembleModelParametersBasedOnRegressionTree
type LightGbmRankingModelParameters = class
    inherit TreeEnsembleModelParametersBasedOnRegressionTree
Public NotInheritable Class LightGbmRankingModelParameters
Inherits TreeEnsembleModelParametersBasedOnRegressionTree
Herança

Propriedades

TrainedTreeEnsemble

Um conjunto de árvores expostas aos usuários. É um wrapper no internalMicrosoft.ML.Trainers.FastTree.InternalTreeEnsemble in TreeEnsemble<T>.

(Herdado de TreeEnsembleModelParametersBasedOnRegressionTree)

Métodos

GetFeatureWeights(VBuffer<Single>)

Obtenha os ganhos cumulativos de divisão para cada recurso em todas as árvores.

(Herdado de TreeEnsembleModelParameters)

Implantações explícitas de interface

ICalculateFeatureContribution.FeatureContributionCalculator

Usado para determinar a contribuição de cada recurso para a pontuação de um exemplo por FeatureContributionCalculatingTransformer. O cálculo da contribuição do recurso consiste essencialmente em determinar quais divisões na árvore têm mais impacto sobre a pontuação final e atribuir o valor do impacto aos recursos que determinam a divisão. Mais precisamente, a contribuição de um recurso é igual à alteração na pontuação produzida explorando a subconsulta oposta sempre que um nó de decisão para o recurso especificado é encontrado. Considere um caso simples com uma única árvore de decisão que tenha um nó de decisão para o recurso binário F1. Dado um exemplo que tem o recurso F1 igual a true, podemos calcular a pontuação que ele teria obtido se escolhermos a subárvore correspondente ao recurso F1 ser igual a false, mantendo os outros recursos constantes. A contribuição do recurso F1 para o exemplo especificado é a diferença entre a pontuação original e a pontuação obtida tomando a decisão oposta no nó correspondente ao recurso F1. Esse algoritmo se estende naturalmente a modelos com muitas árvores de decisão.

(Herdado de TreeEnsembleModelParameters)
ICanSaveModel.Save(ModelSaveContext)

Parâmetros de modelo para LightGbmRankingTrainer.

(Herdado de ModelParametersBase<TOutput>)

Aplica-se a