Поделиться через


TreeEnsembleModelParametersBasedOnQuantileRegressionTree Класс

Определение

TreeEnsembleModelParametersBasedOnQuantileRegressionTree является производным от TreeEnsembleModelParameters строго типизированного открытого атрибута для TrainedTreeEnsembleпредоставления пользователям сведений обученной модели. Ее функция Microsoft.ML.Trainers.FastTree.TreeEnsembleModelParametersBasedOnQuantileRegressionTree.CreateTreeEnsembleFromInternalDataStructure, вызывается для создания TrainedTreeEnsemble внутри TreeEnsembleModelParameters. Обратите внимание, что основное различие между TreeEnsembleModelParametersBasedOnQuantileRegressionTree типом TreeEnsembleModelParametersBasedOnRegressionTree и типом TrainedTreeEnsemble.

public abstract class TreeEnsembleModelParametersBasedOnQuantileRegressionTree : Microsoft.ML.Trainers.FastTree.TreeEnsembleModelParameters
type TreeEnsembleModelParametersBasedOnQuantileRegressionTree = class
    inherit TreeEnsembleModelParameters
Public MustInherit Class TreeEnsembleModelParametersBasedOnQuantileRegressionTree
Inherits TreeEnsembleModelParameters
Наследование
TreeEnsembleModelParametersBasedOnQuantileRegressionTree
Производный

Свойства

TrainedTreeEnsemble

Ансамбль деревьев, предоставляемых пользователям. Это оболочка на входе internalMicrosoft.ML.Trainers.FastTree.InternalTreeEnsembleTreeEnsemble<T>.

Методы

GetFeatureWeights(VBuffer<Single>)

Получение совокупного прироста распределения для каждой функции во всех деревьях.

(Унаследовано от TreeEnsembleModelParameters)

Явные реализации интерфейса

ICalculateFeatureContribution.FeatureContributionCalculator

Используется для определения вклада каждой функции в оценку примера по FeatureContributionCalculatingTransformer. Вычисление вклада признаков по сути состоит в определении того, какие разбиения в дереве оказывают наибольшее влияние на окончательную оценку и присваивают значение влияния на признаки, определяющие разделение. Точнее, вклад функции равен изменению оценки, созданной путем изучения противоположного поддеревого дерева при каждом обнаружении узла принятия решений для данной функции. Рассмотрим простой случай с одним деревом принятия решений с узлом принятия решений для двоичной функции F1. Учитывая пример с функцией F1, равной true, можно вычислить оценку, полученную при выборе поддеревого дерева, соответствующего признаку F1, равному false, сохраняя константу других функций. Вклад функции F1 для данного примера заключается в разнице между исходной оценкой и оценкой, полученной путем принятия противоположного решения на узле, соответствующем функции F1. Этот алгоритм естественным образом распространяется на модели с множеством деревьев принятия решений.

(Унаследовано от TreeEnsembleModelParameters)
ICanSaveModel.Save(ModelSaveContext)

TreeEnsembleModelParametersBasedOnQuantileRegressionTree является производным от TreeEnsembleModelParameters строго типизированного открытого атрибута для TrainedTreeEnsembleпредоставления пользователям сведений обученной модели. Ее функция Microsoft.ML.Trainers.FastTree.TreeEnsembleModelParametersBasedOnQuantileRegressionTree.CreateTreeEnsembleFromInternalDataStructure, вызывается для создания TrainedTreeEnsemble внутри TreeEnsembleModelParameters. Обратите внимание, что основное различие между TreeEnsembleModelParametersBasedOnQuantileRegressionTree типом TreeEnsembleModelParametersBasedOnRegressionTree и типом TrainedTreeEnsemble.

(Унаследовано от ModelParametersBase<TOutput>)

Применяется к