RegressionTreeBase Classe

Definição

Namespace:

Microsoft.ML.Trainers.FastTree

Assembly:

Microsoft.ML.FastTree.dll

Pacote:

Microsoft.ML.FastTree v2.0.0

Uma classe base de contêiner para expor Microsoft.ML.Trainers.FastTree.InternalRegressionTreeos atributos de 's e Microsoft.ML.Trainers.FastTree.InternalQuantileRegressionTree's aos usuários. Essa classe não deve ser mutável, portanto, contém muitos membros somente leitura.

public abstract class RegressionTreeBase

type RegressionTreeBase = class

Public MustInherit Class RegressionTreeBase

Herança

Object

RegressionTreeBase

Derivado

Microsoft.ML.Trainers.FastTree.QuantileRegressionTree

Microsoft.ML.Trainers.FastTree.RegressionTree

Propriedades

CategoricalSplitFlags	Determine os tipos de função de divisão. Se CategoricalSplitFlags[i] for true, o nó i-th usará a função de divisão categórica. Caso contrário, a divisão numérica tradicional é usada.
LeafValues	LeafValues[i] é o valor aprendido na folha i-th.
LeftChild	LeftChild[i] é o índice filho do nó i-th usado quando (1) o recurso numérico indexado por NumericalSplitFeatureIndexes[i] é menor ou igual ao limite NumericalSplitThresholds[i], ou (2) os recursos categóricos indexados pelo GetCategoricalCategoricalSplitFeatureRangeAt(Int32)valor retornado 's com nodeIndex=i não é um subconjunto com GetCategoricalSplitFeaturesAt(Int32) nodeIndex=i. Observe que o caso (1) ocorre somente quando CategoricalSplitFlags[i] é falso e, caso contrário (2) ocorre. Um valor retornado não negativo significa um nó (ou seja, não uma folha); por exemplo, 2 significa o terceiro nó no subjacente Microsoft.ML.Trainers.FastTree.RegressionTreeBase._tree. Um valor retornado negativo significa uma folha; por exemplo, -1 significa a ~folha (-1)-th na parte subjacente Microsoft.ML.Trainers.FastTree.RegressionTreeBase._tree. Observe que ~ é o operador de complemento bit a bit em C#; para obter detalhes, consulte https://docs.microsoft.com/en-us/dotnet/csharp/language-reference/operators/bitwise-complement-operator.
NumberOfLeaves	Número de folhas na árvore. Observe que NumberOfLeaves não leva em conta nós que não são folhas.
NumberOfNodes	Número de nós na árvore. Isso não inclui folhas. Por exemplo, uma árvore com node0-node1>, node0-leaf3>, node1-leaf1>, node1-leaf2>NumberOfNodes e NumberOfLeaves deve ser 2 e 3, respectivamente.
NumericalSplitFeatureIndexes	NumericalSplitFeatureIndexes[i] é o índice de recursos usado na função de divisão do nó i-th. Esse valor só será válido se CategoricalSplitFlags[i] for falso.
NumericalSplitThresholds	NumericalSplitThresholds[i] é o limite do recurso indexado por NumericalSplitFeatureIndexes[i], onde eu é o índice do nó i-th (por exemplo, eu é 1 para o segundo nó em Microsoft.ML.Trainers.FastTree.RegressionTreeBase._tree).
RightChild	RightChild[i] é o índice filho do nó i-th usado quando as duas condições, (1) e (2), descritas no LeftChilddocumento não são verdadeiras. Seu valor retornado segue o formato usado em LeftChild.
SplitGains	Os ganhos obtidos pela divisão de dados em nós. Seu valor i-th é calculado de até a divisão no nó i-th.

Métodos

GetCategoricalCategoricalSplitFeatureRangeAt(Int32)

Retornar o intervalo de limites categóricos usado no nó indexado por nodeIndex. Uma divisão categórica no nó indexado por nodeIndex pode considerar vários recursos de entrada consecutivos ao mesmo tempo; seu intervalo é especificado por GetCategoricalCategoricalSplitFeatureRangeAt(Int32). O valor retornado é sempre uma matriz de dois elementos; seu primeiro elemento é o índice inicial e seu segundo elemento é o índice de endining de um segmento de recurso. O valor retornado será válido somente se CategoricalSplitFlags[nodeIndex] for verdadeiro.

GetCategoricalSplitFeaturesAt(Int32)

Retornar limites categóricos usados no nó indexado por nodeIndex. Se o recurso de entrada considerado NÃO corresponder a nenhum dos valores retornados, GetCategoricalSplitFeaturesAt(Int32)chamamos-o de um evento menor que o limite e, portanto, LeftChild[nodeIndex] é o nó filho pelo qual a entrada deve ir em seguida. O valor retornado será válido somente se CategoricalSplitFlags[nodeIndex] for verdadeiro.