FastForestRegressionTrainer.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.
FastForestRegressionTrainerFastForest(Seçenekler)'de kullanılan için seçenekleri.
public sealed class FastForestRegressionTrainer.Options : Microsoft.ML.Trainers.FastTree.FastForestOptionsBase
type FastForestRegressionTrainer.Options = class
inherit FastForestOptionsBase
Public NotInheritable Class FastForestRegressionTrainer.Options
Inherits FastForestOptionsBase
- Devralma
-
FastForestRegressionTrainer.Options
Oluşturucular
FastForestRegressionTrainer.Options() |
FastForestRegressionTrainerFastForest(Seçenekler)'de kullanılan için seçenekleri. |
Alanlar
AllowEmptyTrees |
Kök bölme mümkün olmadığında 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 (bagging'i devre dışı bırakmak için 0). (Devralındığı yer: TreeOptions) |
Bias |
Kategorik bir özellik için her özellik kutusu için gradyan hesaplamaya yönelik yanlılık. (Devralındığı yer: TreeOptions) |
Bundling |
Düşük popülasyonlu bölmeleri paketle. Bundle.None(0): no bundling, Bundle.AggregateLowPopulation(1): Bundle low population, Bundle.Adjacent(2): Komşu düşük popülasyon paketi. (Devralındığı yer: TreeOptions) |
CategoricalSplit |
Birden çok kategorik özellik değerine göre bölme yapılıp yapılmaymayacağı. (Devralındığı yer: TreeOptions) |
CompressEnsemble |
Ağaç Topluluğu'na sıkıştırın. (Devralındığı yer: TreeOptions) |
DiskTranspose |
İşlemi gerçekleştirirken diskin mi yoksa verilerin yerel transposition tesislerinin mi (uygunsa) kullanılıp kullanılmayacağı. (Devralındığı yer: TreeOptions) |
EntropyCoefficient |
0 ile 1 arasındaki entropi (normalleştirme) katsayısı. (Devralındığı yer: TreeOptions) |
ExampleWeightColumnName |
Ağırlık gibi kullanılacak sütun. (Devralındığı yer: TrainerInputBaseWithWeight) |
ExecutionTime |
Yürütme zamanı 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 aşırı 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 güven gereksinimi kazanın. Yalnızca bu değerin üzerinde rastgele bir seçim kazancıyla karşı karşıya olma olasılığı varsa bir kazanç düşünün. (Devralındığı yer: TreeOptions) |
HistogramPoolSize |
Havuzdaki histogramların 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 özellikte bölerken dikkate alınacak en fazla kategorik bölme grubu. Bölünmüş gruplar, bölünmüş noktalardan oluşan bir koleksiyon. 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) |
MemoryStatistics |
Bellek istatistiklerini ML.NET kanala yazdırın. (Devralındığı yer: TreeOptions) |
MinimumExampleCountPerLeaf |
Yeni bir ağaç yaprağı oluşturmak için gereken en az veri noktası sayısı. (Devralındığı yer: TreeOptions) |
MinimumExampleFractionForCategoricalSplit |
Bölmede bölme için dikkate alınacak en düşük kategorik örnek yüzdesi. Varsayılan değer tüm eğitim örneklerinin %0,1'idir. (Devralındığı yer: TreeOptions) |
MinimumExamplesForCategoricalSplit |
Bölmede bölme için dikkate alınacak en düşük kategorik örnek sayısı. (Devralındığı yer: TreeOptions) |
NumberOfLeaves |
Her regresyon ağacındaki maksimum yaprak sayısı. (Devralındığı yer: TreeOptions) |
NumberOfQuantileSamples |
Etiketlerin dağılımını bulmak için her yapraktan örneklenecek veri noktası sayısı. (Devralındığı yer: FastForestOptionsBase) |
NumberOfThreads |
Kullanılacak iş parçacığı sayısı. (Devralındığı yer: TreeOptions) |
NumberOfTrees |
Toplulukta oluşturulacak karar ağacının toplam sayısı. (Devralındığı yer: TreeOptions) |
RowGroupColumnName |
GroupId gibi kullanılacak sütun. (Devralındığı yer: TrainerInputBaseWithGroupId) |
Seed |
Rastgele sayı oluşturucunun tohumu. (Devralındığı yer: TreeOptions) |
ShuffleLabels |
Etiketlerin her yinelemede karıştırılıp karıştırılmayacağı. |
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 |
Eğitim/geçerli/her k turu için ölçüm değerlerini hesaplayın. (Devralındığı yer: TreeOptions) |
Şunlara uygulanır
Geri Bildirim
https://aka.ms/ContentUserFeedback.
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.Gönderin ve geri bildirimi görüntüleyin