FastForestBinaryTrainer.Options 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.
FastForest(Seçenekler)'de kullanılan için FastForestBinaryTrainer seçenekler.
public sealed class FastForestBinaryTrainer.Options : Microsoft.ML.Trainers.FastTree.FastForestOptionsBasetype FastForestBinaryTrainer.Options = class
inherit FastForestOptionsBasePublic NotInheritable Class FastForestBinaryTrainer.Options
Inherits FastForestOptionsBase- Devralma
-
FastForestBinaryTrainer.Options
Oluşturucular
| FastForestBinaryTrainer.Options() |
FastForest(Seçenekler)'de kullanılan için FastForestBinaryTrainer seçenekler. |
Alanlar
| AllowEmptyTrees |
Kök bölme imkansız olduğunda eğitimin devam etmesine izin verin. (Devralındığı yer: TreeOptions) |
| BaggingExampleFraction |
Her çantada kullanılan eğitim örneklerinin yüzdesi. Varsayılan değer 0,7 (%70). (Devralındığı yer: TreeOptions) |
| BaggingSize |
Her torbadaki ağaç sayısı (paketlemeyi devre dışı bırakmak için 0). (Devralındığı yer: TreeOptions) |
| Bias |
Kategorik bir özellik için her özellik kutusu için gradyan hesaplamaya yönelik sapma. (Devralındığı yer: TreeOptions) |
| Bundling |
Düşük popülasyon bölmelerini paketle. Bundle.None(0): paketleme yok, Bundle.AggregateLowPopulation(1): Düşük popülasyonlu paket, Bundle.Adjacent(2): Komşu düşük popülasyon paketi. (Devralındığı yer: TreeOptions) |
| CategoricalSplit |
Birden çok kategorik özellik değerine göre bölme yapılıp yapılmayacağınız. (Devralındığı yer: TreeOptions) |
| CompressEnsemble |
Ağaç Topluluğu'na sıkıştırın. (Devralındığı yer: TreeOptions) |
| DiskTranspose |
İşlemi gerçekleştirirken diskin mi yoksa verilerin yerel transpozisyon olanaklarının mı (uygunsa) kullanılıp kullanılmayacağı. (Devralındığı yer: TreeOptions) |
| EntropyCoefficient |
0 ile 1 arasındaki entropi (normalleştirme) katsayısı. (Devralındığı yer: TreeOptions) |
| ExampleWeightColumnName |
Kullanılacak sütun örneğin ağırlık. (Devralındığı yer: TrainerInputBaseWithWeight) |
| ExecutionTime |
Yürütme süresi dökümünü ML.NET kanala yazdırın. (Devralındığı yer: TreeOptions) |
| FeatureColumnName |
Özellikler için kullanılacak sütun. (Devralındığı yer: TrainerInputBase) |
| FeatureFirstUsePenalty |
Özellik ilk olarak ceza katsayısını kullanır. (Devralındığı yer: TreeOptions) |
| FeatureFlocks |
Eğitimi hızlandırmak için veri kümesi hazırlığı sırasında özelliklerin toplanıp toplanmayacağı. (Devralındığı yer: TreeOptions) |
| FeatureFraction |
Her yinelemede kullanılacak özelliklerin kesri (rastgele seçilir). Özelliklerin yalnızca %90'ının gerekli olması durumunda 0,9 kullanın. Düşük sayılar fazla uyumu azaltmaya yardımcı olur. (Devralındığı yer: TreeOptions) |
| FeatureFractionPerSplit |
Her bölmede kullanılacak özelliklerin kesri (rastgele seçilir). Değeri 0,9 ise tüm özelliklerin %90'ı beklentiye düşer. (Devralındığı yer: TreeOptions) |
| FeatureReusePenalty |
Özellik yeniden kullanım ceza (normalleştirme) katsayısı. (Devralındığı yer: TreeOptions) |
| FeatureSelectionSeed |
Etkin özellik seçiminin tohumu. (Devralındığı yer: TreeOptions) |
| GainConfidenceLevel |
Ağaç sığdırma güvenilirlik gereksinimi elde edin. Yalnızca bu değerin üzerinde rastgele bir seçim kazancıyla karşı karşıya olma olasılığı varsa bir kazancı göz önünde bulundurun. (Devralındığı yer: TreeOptions) |
| HistogramPoolSize |
Havuzdaki histogram sayısı (2 ile numLeaves arasında). (Devralındığı yer: TreeOptions) |
| LabelColumnName |
Etiketler için kullanılacak sütun. (Devralındığı yer: TrainerInputBaseWithLabel) |
| MaximumBinCountPerFeature |
Özellik başına en fazla ayrı değer (bölme) sayısı. (Devralındığı yer: TreeOptions) |
| MaximumCategoricalGroupCountPerNode |
Kategorik bir özelliğe bölünürken dikkate alınacak kategorik bölme grupları üst sınırı. Bölünmüş gruplar, bölünmüş noktalardan oluşan bir koleksiyonlardır. Bu, birçok kategorik özellik olduğunda fazla uygunluğu azaltmak için kullanılır. (Devralındığı yer: TreeOptions) |
| MaximumCategoricalSplitPointCount |
Kategorik bir özelliğe bölünürken dikkate alınacak en fazla kategorik bölme noktası. (Devralındığı yer: TreeOptions) |
| MaximumOutputMagnitudePerTree |
Tek bir ağaç çıkışının mutlak değeri üzerindeki üst sınır. |
| MemoryStatistics |
Bellek istatistiklerini ML.NET kanala yazdırın. (Devralındığı yer: TreeOptions) |
| MinimumExampleCountPerLeaf |
Yeni bir ağaç yaprağı oluşturmak için gereken en az sayıda veri noktası. (Devralındığı yer: TreeOptions) |
| MinimumExampleFractionForCategoricalSplit |
Bölme için dikkate alınacak en düşük kategorik örnek yüzdesi. Varsayılan değer tüm eğitim örneklerinin %0,1'idir. (Devralındığı yer: TreeOptions) |
| MinimumExamplesForCategoricalSplit |
Bölme için dikkate alınacak en düşük kategorik örnek sayısı. (Devralındığı yer: TreeOptions) |
| NumberOfLeaves |
Her regresyon ağacındaki en fazla yaprak sayısı. (Devralındığı yer: TreeOptions) |
| NumberOfQuantileSamples |
Etiketlerin dağılımını bulmak için her yapraktan örneklenecek veri noktalarının sayısı. (Devralındığı yer: FastForestOptionsBase) |
| NumberOfThreads |
Kullanılacak iş parçacığı sayısı. (Devralındığı yer: TreeOptions) |
| NumberOfTrees |
Toplulukta oluşturulacak toplam karar ağacı sayısı. (Devralındığı yer: TreeOptions) |
| RowGroupColumnName |
Kullanılacak sütun, örneğin groupId. (Devralındığı yer: TrainerInputBaseWithGroupId) |
| Seed |
Rastgele sayı oluşturucunun tohumu. (Devralındığı yer: TreeOptions) |
| Smoothing |
Ağaç düzenlileştirme için düzeltme parametresi. (Devralındığı yer: TreeOptions) |
| SoftmaxTemperature |
Özelliği seçmek için rastgele softmax dağılımının sıcaklığı. (Devralındığı yer: TreeOptions) |
| SparsifyThreshold |
Seyrek özellik gösterimini kullanmak için sparsity düzeyi gereklidir. (Devralındığı yer: TreeOptions) |
| TestFrequency |
Her k turda eğit/geçerli/test için ölçüm değerlerini hesaplayın. (Devralındığı yer: TreeOptions) |