Partilhar via


FastForestRegressionTrainer.Options Classe

Definição

Opções para o FastForestRegressionTrainer conforme usado em FastForest(Options).

public sealed class FastForestRegressionTrainer.Options : Microsoft.ML.Trainers.FastTree.FastForestOptionsBase
type FastForestRegressionTrainer.Options = class
    inherit FastForestOptionsBase
Public NotInheritable Class FastForestRegressionTrainer.Options
Inherits FastForestOptionsBase
Herança

Construtores

FastForestRegressionTrainer.Options()

Opções para o FastForestRegressionTrainer conforme usado em FastForest(Options).

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)
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)
DiskTranspose

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

(Herdado de TreeOptions)
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)
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)
HistogramPoolSize

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

(Herdado de TreeOptions)
LabelColumnName

Coluna a ser usada para rótulos.

(Herdado de TrainerInputBaseWithLabel)
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)
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)
NumberOfLeaves

O número máximo de folhas em cada árvore de regressão.

(Herdado de TreeOptions)
NumberOfQuantileSamples

O número de pontos de dados a serem amostrados de cada folha para localizar a distribuição de rótulos.

(Herdado de FastForestOptionsBase)
NumberOfThreads

O número máximo de threads.

(Herdado de TreeOptions)
NumberOfTrees

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

(Herdado de TreeOptions)
RowGroupColumnName

Coluna a ser usada, por exemplo, groupId.

(Herdado de TrainerInputBaseWithGroupId)
Seed

A semente do gerador de número aleatório.

(Herdado de TreeOptions)
ShuffleLabels

Se os rótulos devem ser embaralhados em cada iteração.

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)

Aplica-se a