FastForestBinaryTrainer Sınıf
Tanım
Önemli
Bazı bilgiler ürünün ön sürümüyle ilgilidir ve sürüm öncesinde önemli değişiklikler yapılmış olabilir. Burada verilen bilgilerle ilgili olarak Microsoft açık veya zımni hiçbir garanti vermez.
IEstimator<TTransformer> Hızlı Orman kullanarak bir karar ağacı ikili sınıflandırma modelini eğiten için.
public sealed class FastForestBinaryTrainer : Microsoft.ML.Trainers.FastTree.RandomForestTrainerBase<Microsoft.ML.Trainers.FastTree.FastForestBinaryTrainer.Options,Microsoft.ML.Data.BinaryPredictionTransformer<Microsoft.ML.Trainers.FastTree.FastForestBinaryModelParameters>,Microsoft.ML.Trainers.FastTree.FastForestBinaryModelParameters>type FastForestBinaryTrainer = class
inherit RandomForestTrainerBase<FastForestBinaryTrainer.Options, BinaryPredictionTransformer<FastForestBinaryModelParameters>, FastForestBinaryModelParameters>Public NotInheritable Class FastForestBinaryTrainer
Inherits RandomForestTrainerBase(Of FastForestBinaryTrainer.Options, BinaryPredictionTransformer(Of FastForestBinaryModelParameters), FastForestBinaryModelParameters)- Devralma
Açıklamalar
Bu eğitmeni oluşturmak için FastForest veya FastForest(Seçenekler) kullanın.
Giriş ve Çıkış Sütunları
Giriş etiketi sütun verileri olmalıdır Boolean. Giriş özellikleri sütun verileri bilinen boyutlu bir vektör Singleolmalıdır.
Bu eğitmen aşağıdaki sütunları oluşturur:
| Çıkış Sütunu Adı | Sütun Türü | Description | |
|---|---|---|---|
Score |
Single | Model tarafından hesaplanan ilişkisiz puan. | |
PredictedLabel |
Boolean | Puanın işaretine göre tahmin edilen etiket. Negatif puan ile false , pozitif puan ise ile trueeşler. |
|
Probability |
Single | Etiket olarak true değerinin puanını ayarlayarak hesaplanan olasılık. Olasılık değeri [0, 1] aralığındadır. |
Eğitmen Özellikleri
| Makine öğrenmesi görevi | İkili sınıflandırma |
| Normalleştirme gerekli mi? | No |
| Önbelleğe alma gerekli mi? | No |
| Microsoft.ML ek olarak gerekli NuGet | Microsoft.ML.FastTree |
| ONNX'e aktarılabilir | Yes |
Eğitim Algoritması Ayrıntıları
Karar ağaçları, girişler üzerinde bir dizi basit test gerçekleştiren parametrik olmayan modellerdir. Bu karar yordamı bunları eğitim veri kümesinde bulunan ve girişleri işlenen örneğe benzeyen çıkışlarla eşler. İkili ağaç veri yapısının her düğümünde, uygun yaprak düğüme ulaşılana ve çıkış kararı döndürülene kadar her örneği ağacın dalları aracılığıyla özyinelemeli olarak eşleyen bir benzerlik ölçüsüne dayalı olarak bir karar verilir.
Karar ağaçlarının çeşitli avantajları vardır:
- Eğitim ve tahmin sırasında hem hesaplama hem de bellek kullanımında etkilidirler.
- Doğrusal olmayan karar sınırlarını temsil edebilir.
- Tümleşik özellik seçimi ve sınıflandırması gerçekleştirir.
- Gürültülü özelliklerin varlığında dayanıklıdırlar.
Hızlı orman, rastgele bir orman uygulamasıdır. Model, karar ağaçlarının bir topluluğundan oluşur. Karar ormanındaki her ağaç, tahmin yoluyla bir Gauss dağılımı oluşturur. Modeldeki tüm ağaçlar için birleşik dağılıma en yakın Gauss dağılımını bulmak için ağaç topluluğu üzerinde bir toplama gerçekleştirilir. Bu karar ormanı sınıflandırıcısı, karar ağaçlarının bir topluluğundan oluşur.
Genel olarak, grup modelleri tek karar ağaçlarından daha iyi kapsama alanı ve doğruluk sağlar. Karar ormanındaki her ağaç bir Gauss dağılımı oluşturur.
Daha fazla bilgi için bkz:
Kullanım örneklerinin bağlantıları için Ayrıca Bkz. bölümüne bakın.
Alanlar
| FeatureColumn |
Eğitmenin beklediği özellik sütunu. (Devralındığı yer: TrainerEstimatorBase<TTransformer,TModel>) |
| GroupIdColumn |
Derecelendirme eğitmenlerinin beklediği isteğe bağlı groupID sütunu. (Devralındığı yer: TrainerEstimatorBaseWithGroupId<TTransformer,TModel>) |
| LabelColumn |
Eğitmenin beklediği etiket sütunu. etiketin eğitim için kullanılmadığını gösteren olabilir |
| WeightColumn |
Eğitmenin beklediği ağırlık sütunu. olabilir |
Özellikler
| Info |
IEstimator<TTransformer> Hızlı Orman kullanarak bir karar ağacı ikili sınıflandırma modelini eğiten için. (Devralındığı yer: FastTreeTrainerBase<TOptions,TTransformer,TModel>) |
Yöntemler
| Fit(IDataView) |
Bir ITransformereğiter ve döndürür. (Devralındığı yer: TrainerEstimatorBase<TTransformer,TModel>) |
| Fit(IDataView, IDataView) |
Hem eğitim hem de doğrulama verilerini kullanarak bir FastForestBinaryTrainer eğiter, döndürür BinaryPredictionTransformer<TModel>. |
| GetOutputSchema(SchemaShape) |
IEstimator<TTransformer> Hızlı Orman kullanarak bir karar ağacı ikili sınıflandırma modelini eğiten için. (Devralındığı yer: TrainerEstimatorBase<TTransformer,TModel>) |
Uzantı Metotları
| AppendCacheCheckpoint<TTrans>(IEstimator<TTrans>, IHostEnvironment) |
Tahmin aracı zincirine bir 'önbelleğe alma denetim noktası' ekler. Bu, aşağı akış tahmincilerinin önbelleğe alınan verilere karşı eğitilmesini sağlar. Birden çok veri geçişi alan eğitmenlerden önce bir önbelleğe alma denetim noktası olması yararlıdır. |
| WithOnFitDelegate<TTransformer>(IEstimator<TTransformer>, Action<TTransformer>) |
Tahmin aracı verildiğinde, çağrıldıktan sonra Fit(IDataView) temsilci çağıracak bir sarmalama nesnesi döndürün. Tahmin aracının neyin uygun olduğu hakkında bilgi döndürmesi genellikle önemlidir. Bu nedenle Fit(IDataView) yöntem yalnızca genel ITransformerbir nesne yerine özel olarak yazılan bir nesne döndürür. Bununla birlikte, aynı zamanda, IEstimator<TTransformer> genellikle birçok nesneye sahip işlem hatları halinde oluşturulur, bu nedenle transformatör almak istediğimiz tahmin aracının EstimatorChain<TLastTransformer> bu zincirde bir yere gömülü olduğu bir tahmin aracı zinciri oluşturmamız gerekebilir. Bu senaryo için, bu yöntem aracılığıyla sığdır çağrıldıktan sonra çağrılacak bir temsilci ekleyebiliriz. |
Şunlara uygulanır
Ayrıca bkz.
Geri Bildirim
Çok yakında: 2024 boyunca, içerik için geri bildirim mekanizması olarak GitHub Sorunları’nı kullanımdan kaldıracak ve yeni bir geri bildirim sistemiyle değiştireceğiz. Daha fazla bilgi için bkz. https://aka.ms/ContentUserFeedback.
Gönderin ve geri bildirimi görüntüleyin