FastForestRegressionTrainer.Options Sınıf

Tanım

Ad Alanı:

Microsoft.ML.Trainers.FastTree

Bütünleştirilmiş Kod:

Microsoft.ML.FastTree.dll

Paket:

Microsoft.ML.FastTree v2.0.0

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

Object

TrainerInputBase

TrainerInputBaseWithLabel

TrainerInputBaseWithWeight

TrainerInputBaseWithGroupId

TreeOptions

FastForestOptionsBase

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)