LightGbmBinaryModelParameters Класс

Определение

Пространство имен:

Microsoft.ML.Trainers.LightGbm

Сборка:

Microsoft.ML.LightGbm.dll

Пакет:

Microsoft.ML.LightGbm v3.0.1

Параметры модели для LightGbmBinaryTrainer.

public sealed class LightGbmBinaryModelParameters : Microsoft.ML.Trainers.FastTree.TreeEnsembleModelParametersBasedOnRegressionTree

type LightGbmBinaryModelParameters = class
    inherit TreeEnsembleModelParametersBasedOnRegressionTree

Public NotInheritable Class LightGbmBinaryModelParameters
Inherits TreeEnsembleModelParametersBasedOnRegressionTree

Наследование

Object

ModelParametersBase<Single>

TreeEnsembleModelParameters

TreeEnsembleModelParametersBasedOnRegressionTree

LightGbmBinaryModelParameters

Свойства

TrainedTreeEnsemble

Ансамбль деревьев, предоставляемых пользователям. Это оболочка на internalMicrosoft.ML.Trainers.FastTree.InternalTreeEnsemble in TreeEnsemble<T>. (Унаследовано от TreeEnsembleModelParametersBasedOnRegressionTree)

Методы

GetFeatureWeights(VBuffer<Single>)

Получите совокупные доходы от разделения для каждой функции во всех деревьях. (Унаследовано от TreeEnsembleModelParameters)

Явные реализации интерфейса

ICalculateFeatureContribution.FeatureContributionCalculator

Используется для определения вклада каждой функции в оценку примера.FeatureContributionCalculatingTransformer Вычисление вклада признаков по существу состоит в определении того, какие разделения в дереве оказывают наибольшее влияние на окончательную оценку и присваивают значение влияния на признаки, определяющие разделение. Точнее, вклад функции равен изменению оценки, создаваемой путем изучения противоположного под 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, равного false, сохраняя при этом другие признаки константы. 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)

Параметры модели для LightGbmBinaryTrainer. (Унаследовано от ModelParametersBase<TOutput>)