FastTreeTweedieTrainer Класс

Определение

Пространство имен:

Microsoft.ML.Trainers.FastTree

Сборка:

Microsoft.ML.FastTree.dll

Пакет:

Microsoft.ML.FastTree v2.0.0

Для IEstimator<TTransformer> обучения модели регрессии дерева принятия решений с помощью функции потери Tweedie. Этот тренер представляет собой обобщение Poisson, составной Пуассон и гамма-регрессию.

public sealed class FastTreeTweedieTrainer : Microsoft.ML.Trainers.FastTree.BoostingFastTreeTrainerBase<Microsoft.ML.Trainers.FastTree.FastTreeTweedieTrainer.Options,Microsoft.ML.Data.RegressionPredictionTransformer<Microsoft.ML.Trainers.FastTree.FastTreeTweedieModelParameters>,Microsoft.ML.Trainers.FastTree.FastTreeTweedieModelParameters>

type FastTreeTweedieTrainer = class
    inherit BoostingFastTreeTrainerBase<FastTreeTweedieTrainer.Options, RegressionPredictionTransformer<FastTreeTweedieModelParameters>, FastTreeTweedieModelParameters>

Public NotInheritable Class FastTreeTweedieTrainer
Inherits BoostingFastTreeTrainerBase(Of FastTreeTweedieTrainer.Options, RegressionPredictionTransformer(Of FastTreeTweedieModelParameters), FastTreeTweedieModelParameters)

Наследование

Object

TrainerEstimatorBase<TTransformer,TModel>

TrainerEstimatorBaseWithGroupId<TTransformer,TModel>

FastTreeTrainerBase<TOptions,TTransformer,TModel>

BoostingFastTreeTrainerBase<FastTreeTweedieTrainer.Options,RegressionPredictionTransformer<FastTreeTweedieModelParameters>,FastTreeTweedieModelParameters>

FastTreeTweedieTrainer

Комментарии

Чтобы создать этот тренер, используйте FastTreeTweedie или FastTreeTweedie(Options).

Входные и выходные столбцы

Входные данные столбца меток должны иметь тип Single. Входные данные столбцов должны быть вектором известного Singleразмера.

Этот алгоритм обучения выводит следующие столбцы:

Имя выходного столбца	Тип столбца	Описание
Score	Single	Несвязанная оценка, прогнозируемая моделью.

Характеристики тренера

Задача машинного обучения	Регрессия
Требуется ли нормализация?	Нет
Требуется ли кэширование?	Нет
Обязательный NuGet в дополнение к Microsoft.ML	Microsoft.ML.FastTree
Экспортируемый в ONNX	Да

Сведения о алгоритме обучения

Модель повышения Tweedie следует математике, установленной в страховом премиум прогнозировании через Градиент Tree-Boosted Tweedie Compound Poisson Models от Yang, Quan и Zou. Общие сведения о повышении градиента и дополнительные сведения см. в статье Википедия: повышение градиента (повышение дерева градиента) или приближение функции Жадности: градиентный компьютер для повышения.

Ознакомьтесь с разделом "См. также" ссылки на примеры использования.

Поля

FeatureColumn	Столбец признаков, который ожидает тренер. (Унаследовано от TrainerEstimatorBase<TTransformer,TModel>)
GroupIdColumn	Необязательный столбец groupID, который ожидает тренеры ранжирования. (Унаследовано от TrainerEstimatorBaseWithGroupId<TTransformer,TModel>)
LabelColumn	Столбец меток, который ожидает тренер. Может иметь значение null, указывающее, что метка не используется для обучения. (Унаследовано от TrainerEstimatorBase<TTransformer,TModel>)
WeightColumn	Столбец веса, который ожидает тренер. Может быть null, что указывает, что вес не используется для обучения. (Унаследовано от TrainerEstimatorBase<TTransformer,TModel>)

Свойства

Info	Для IEstimator<TTransformer> обучения модели регрессии дерева принятия решений с помощью функции потери Tweedie. Этот тренер представляет собой обобщение Poisson, составной Пуассон и гамма-регрессию. (Унаследовано от FastTreeTrainerBase<TOptions,TTransformer,TModel>)

Методы

Fit(IDataView)	Поезда и возвращается ITransformer. (Унаследовано от TrainerEstimatorBase<TTransformer,TModel>)
Fit(IDataView, IDataView)	Обучает как обучающие FastTreeTweedieTrainer , так и проверочный данные, возвращает значение RegressionPredictionTransformer<TModel>.
GetOutputSchema(SchemaShape)	Для IEstimator<TTransformer> обучения модели регрессии дерева принятия решений с помощью функции потери Tweedie. Этот тренер представляет собой обобщение Poisson, составной Пуассон и гамма-регрессию. (Унаследовано от TrainerEstimatorBase<TTransformer,TModel>)

Методы расширения

AppendCacheCheckpoint<TTrans>(IEstimator<TTrans>, IHostEnvironment)

Добавьте "контрольную точку кэширования" в цепочку оценщика. Это обеспечит обучение подчиненных оценщиков на основе кэшированных данных. Рекомендуется создать контрольную точку кэширования перед обучением, которые принимают несколько передач данных.

WithOnFitDelegate<TTransformer>(IEstimator<TTransformer>, Action<TTransformer>)

Учитывая оценщик, возвращает объект-оболочку, который будет вызывать делегат один раз Fit(IDataView) . Часто важно, чтобы оценщик возвращал сведения о том, что было в форме, поэтому Fit(IDataView) метод возвращает специально типизированный объект, а не просто общий ITransformer. Однако, в то же время, IEstimator<TTransformer> часто формируются в конвейеры со многими объектами, поэтому нам может потребоваться построить цепочку оценщиков, где EstimatorChain<TLastTransformer> оценщик, для которого мы хотим получить преобразователь, похоронен где-то в этой цепочке. В этом сценарии мы можем подключить делегат, который будет вызываться после вызова соответствия.

См. также раздел

• FastTreeTweedie(RegressionCatalog+RegressionTrainers, String, String, String, Int32, Int32, Int32, Double)
• FastTreeTweedie(RegressionCatalog+RegressionTrainers, FastTreeTweedieTrainer+Options)
• FastTreeTweedieTrainer.Options