FastForestBinaryModelParameters Sınıf

Tanım

Ad Alanı:

Microsoft.ML.Trainers.FastTree

Bütünleştirilmiş Kod:

Microsoft.ML.FastTree.dll

Paket:

Microsoft.ML.FastTree v5.0.0-preview.1.25125.4

Kaynak:

RandomForestClassification.cs

için FastForestBinaryTrainermodel parametreleri.

public sealed class FastForestBinaryModelParameters : Microsoft.ML.Trainers.FastTree.TreeEnsembleModelParametersBasedOnQuantileRegressionTree

type FastForestBinaryModelParameters = class
    inherit TreeEnsembleModelParametersBasedOnQuantileRegressionTree

Public NotInheritable Class FastForestBinaryModelParameters
Inherits TreeEnsembleModelParametersBasedOnQuantileRegressionTree

Devralma

Object

ModelParametersBase<Single>

TreeEnsembleModelParameters

TreeEnsembleModelParametersBasedOnQuantileRegressionTree

FastForestBinaryModelParameters

Özellikler

TrainedTreeEnsemble

Kullanıcılara açık ağaç topluluğu. içindeki üzerindeki internalMicrosoft.ML.Trainers.FastTree.InternalTreeEnsembleTreeEnsemble<T>bir sarmalayıcıdır. (Devralındığı yer: TreeEnsembleModelParametersBasedOnQuantileRegressionTree)

Yöntemler

GetFeatureWeights(VBuffer<Single>)

Tüm ağaçlarda her özellik için kümülatif bölünmüş kazançlar elde edin. (Devralındığı yer: TreeEnsembleModelParameters)

Belirtik Arabirim Kullanımları

ICalculateFeatureContribution.FeatureContributionCalculator

Her özelliğin tarafından bir örneğin FeatureContributionCalculatingTransformerpuanına katkısını belirlemek için kullanılır. Özellik katkısının hesaplanması temelde ağaçtaki hangi bölmelerin son puan üzerinde en fazla etkiye sahip olduğunu belirlemek ve bölmeyi belirleyen özelliklere etkinin değerini atamaktan oluşur. Daha kesin olarak, bir özelliğin katkısı, verilen özellik için bir karar düğümüyle her karşılaşıldığında karşıt alt ağacı keşfederek üretilen puan değişikliğine eşittir. İkili özellik F1 için bir karar düğümü olan tek bir karar ağacına sahip basit bir olayı düşünün. F1 özelliğinin true'ya eşit olduğu bir örnek verildiğinde, diğer özellikleri sabit tutarken F1 özelliğine karşılık gelen alt ağacı false'a eşit olarak seçersek elde edeceği puanı hesaplayabiliriz. Verilen örnek için F1 özelliğinin katkısı, özgün puan ile F1 özelliğine karşılık gelen düğümde karşıt karar alınarak elde edilen puan arasındaki farktır. Bu algoritma doğal olarak birçok karar ağacına sahip modeller için genişletir. (Devralındığı yer: TreeEnsembleModelParameters)

ICanSaveModel.Save(ModelSaveContext)

için FastForestBinaryTrainermodel parametreleri. (Devralındığı yer: ModelParametersBase<TOutput>)