PretrainedTreeFeaturizationEstimator Класс

Определение

Пространство имен:

Microsoft.ML.Trainers.FastTree

Сборка:

Microsoft.ML.FastTree.dll

Пакет:

Microsoft.ML.FastTree v2.0.0

Объект IEstimator<TTransformer> , содержащий предварительно обученный TreeEnsembleModelParameters объект и вызывающий его Fit(IDataView) , создает конструирование признаков на основе предварительно обученной модели.

public sealed class PretrainedTreeFeaturizationEstimator : Microsoft.ML.Trainers.FastTree.TreeEnsembleFeaturizationEstimatorBase

type PretrainedTreeFeaturizationEstimator = class
    inherit TreeEnsembleFeaturizationEstimatorBase

Public NotInheritable Class PretrainedTreeFeaturizationEstimator
Inherits TreeEnsembleFeaturizationEstimatorBase

Наследование

Object

TreeEnsembleFeaturizationEstimatorBase

PretrainedTreeFeaturizationEstimator

Комментарии

Входные и выходные столбцы

Входные данные столбца метки должны иметь значениеSingle . Данные столбца входных признаков должны быть вектором известногоSingle размера.

Этот оценщик выводит следующие столбцы:

Имя выходного столбца	Тип столбца	Описание
Trees	ВекторSingle	Выходные значения всех деревьев.
Leaves	Вектор Single	Идентификаторы всех покидают место, куда попадает вектор входных признаков.
Paths	Вектор Single	Пути, через которые проходит вектор входных признаков, чтобы достичь листьев.

Эти выходные столбцы являются необязательными, и пользователь может изменить свои имена. Присвойте имена пропущенным столбцам значение NULL, чтобы они не были созданы.

Сведения о прогнозе

Этот оценщик создает несколько выходных столбцов из модели ансамбля дерева. Предположим, что модель содержит только одно дерево принятия решений:

               Node 0
               /    \
             /        \
           /            \
         /                \
       Node 1            Node 2
       /    \            /    \
     /        \        /        \
   /            \     Leaf -3  Node 3
  Leaf -1      Leaf -2         /    \
                             /        \
                            Leaf -4  Leaf -5

Предположим, что вектор входных признаков попадает в Leaf -1. Выходные данные Trees могут быть 1-элементным вектором, где единственным значением является значение принятия решения, переносимое .Leaf -1 Выходные данные Leaves — вектор 0–1. Если достигнутая конечная позиция является $i$-й (индексируется по $-(i+1)$, поэтому первым листом является Leaf -1лист ) в дереве, $i$-е значение в Leaves будет равно 1, а все остальные значения — 0. Выходные данные Paths представляют собой 0-1-е представление узлов, передаваемых до достижения конечной части. Элемент $i$-th в Paths указывает, касается ли $i$-й узел (индексируется по $i$). Например, достижение Leaf -1 привести к $[1, 1, 0, 0]$ в Pathsкачестве . При наличии нескольких деревьев этот оценщик просто объединяет Treess, Leavess Paths, из всех деревьев (информация первого дерева приходит на первое место в сцепленных векторах).

Ссылки на примеры использования см. в разделе См. также.

Методы

Fit(IDataView)	Создает объект , TreeEnsembleModelParameters который сопоставляет столбец, вызываемый InputColumnName в , input с тремя выходными столбцами. (Унаследовано от TreeEnsembleFeaturizationEstimatorBase)
GetOutputSchema(SchemaShape)	PretrainedTreeFeaturizationEstimator добавляет три столбца с плавающей векторной точкой в inputSchema. При наличии столбца вектора признаков добавленные столбцы являются прогнозируемыми значениями всех деревьев, идентификаторами листов, на которые попадает вектор признаков, и путями к этим листьям. (Унаследовано от TreeEnsembleFeaturizationEstimatorBase)

Методы расширения

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

Добавьте контрольную точку кэширования в цепочку оценщика. Это гарантирует, что подчиненные оценщики будут обучены на основе кэшированных данных. Полезно иметь контрольную точку кэширования перед средствами обучения, которые принимают несколько проходов данных.

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

При использовании оценщика возвращается объект-оболочка, который вызывает делегат один раз Fit(IDataView) . Часто важно, чтобы оценщик возвращал сведения о том, что подходит, поэтому Fit(IDataView) метод возвращает конкретно типизированный объект, а не просто общий ITransformer. Однако в то же время IEstimator<TTransformer> они часто формируются в конвейеры с большим количеством объектов, поэтому нам может потребоваться построить цепочку оценщиков, где EstimatorChain<TLastTransformer> оценщик, для которого мы хотим получить преобразователь, похоронен где-то в этой цепочке. Для этого сценария мы можем с помощью этого метода присоединить делегат, который будет вызываться после вызова подходящего метода.

См. также раздел

• FeaturizeByPretrainTreeEnsemble(TransformsCatalog, PretrainedTreeFeaturizationEstimator+Options)