FastTreeBinaryTrainer 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> FastTree kullanarak karar ağacı ikili sınıflandırma modelini eğitin.
public sealed class FastTreeBinaryTrainer : Microsoft.ML.Trainers.FastTree.BoostingFastTreeTrainerBase<Microsoft.ML.Trainers.FastTree.FastTreeBinaryTrainer.Options,Microsoft.ML.Data.BinaryPredictionTransformer<Microsoft.ML.Calibrators.CalibratedModelParametersBase<Microsoft.ML.Trainers.FastTree.FastTreeBinaryModelParameters,Microsoft.ML.Calibrators.PlattCalibrator>>,Microsoft.ML.Calibrators.CalibratedModelParametersBase<Microsoft.ML.Trainers.FastTree.FastTreeBinaryModelParameters,Microsoft.ML.Calibrators.PlattCalibrator>>type FastTreeBinaryTrainer = class
inherit BoostingFastTreeTrainerBase<FastTreeBinaryTrainer.Options, BinaryPredictionTransformer<CalibratedModelParametersBase<FastTreeBinaryModelParameters, PlattCalibrator>>, CalibratedModelParametersBase<FastTreeBinaryModelParameters, PlattCalibrator>>Public NotInheritable Class FastTreeBinaryTrainer
Inherits BoostingFastTreeTrainerBase(Of FastTreeBinaryTrainer.Options, BinaryPredictionTransformer(Of CalibratedModelParametersBase(Of FastTreeBinaryModelParameters, PlattCalibrator)), CalibratedModelParametersBase(Of FastTreeBinaryModelParameters, PlattCalibrator))- Devralma
Açıklamalar
Bu eğitmeni oluşturmak için FastTree veya FastTree(Seçenekler) kullanın.
Giriş ve Çıkış Sütunları
Giriş etiket sütunu verileri Booleanolmalıdır. Giriş özellikleri sütun verileri bilinen boyutlu bir vektör olmalıdır Single.
Bu eğitmen aşağıdaki sütunları üretir:
| Çıkış Sütunu Adı | Sütun Türü | Description | |
|---|---|---|---|
Score |
Single | Model tarafından hesaplanan ilişkisiz puan. | |
PredictedLabel |
Boolean | Skorun işaretine dayanarak tahmin edilen etiket. Negatif bir skor false ile eşleşir ve pozitif bir skor trueile eşleşir. |
|
Probability |
Single | Etiket olarak true değerinin ayarlanmasıyla hesaplanan olasılık. Olasılık değeri [0, 1] aralığındadır. |
Eğitmen Özellikleri
| Makine öğrenmesi görevi | İkili sınıflandırma |
| Normalleştirme gerekli mi? | Hayır |
| Önbelleğe alma gerekli mi? | Hayır |
| Microsoft.ML'ye ek olarak gerekli NuGet | Microsoft.ML.FastTree |
| ONNX'e aktarılabilir | Evet |
Eğitim Algoritması Ayrıntıları
FastTree, MART gradyan artırma algoritmasının verimli bir uygulamasıdır. Gradyan artırma, regresyon sorunlarına yönelik bir makine öğrenmesi tekniğidir. Her bir regresyon ağacını adım açısından oluşturur ve her adımın hatasını ölçmek için önceden tanımlanmış bir kayıp işlevini kullanarak sonraki adımda düzelter. Bu nedenle bu tahmin modeli aslında daha zayıf tahmin modellerinin bir grubudur. Regresyon sorunlarında, artırmak bu tür bir dizi ağacı adım başına bir şekilde oluşturur ve ardından rastgele farklı bir kayıp işlevi kullanarak en uygun ağacı seçer.
MART, yapraklarında skaler değerlere sahip bir karar ağacı olan regresyon ağaçlarının bir topluluğunu öğrenir. Karar (veya regresyon) ağacı, her iç düğümde iki alt düğümden hangisinin girişteki özellik değerlerinden birine göre devam etmeye karar veren ikili ağaç benzeri bir akış grafiğidir. Her yaprak düğümde bir değer döndürülür. İç düğümlerde karar x = v testini <temel alır; burada x, giriş örneğindeki özelliğin değeridir ve v bu özelliğin olası değerlerinden biridir. Regresyon ağacı tarafından üretilebilen işlevlerin tümü parça başına sabit işlevlerdir.
Ağaç topluluğu, her adımda, kayıp işlevinin gradyanını yaklaşık olarak tanımlayan bir regresyon ağacı olan ve yeni ağacın kaybını en aza indiren katsayılarla önceki ağaca ekleyen bir regresyon ağacı ile üretilir. Belirli bir örnekte MART tarafından üretilen topluluğun çıkışı, ağaç çıkışlarının toplamıdır.
- İkili sınıflandırma sorunu olması durumunda çıkış, bir tür kalibrasyon kullanılarak bir olasılığa dönüştürülür.
- Regresyon sorunu olması durumunda çıkış, işlevin tahmin edilen değeridir.
- Derecelendirme sorunu olması durumunda örnekler, topluluğun çıkış değerine göre sıralanır.
Daha fazla bilgi için bkz.:
- Vikipedi: Gradyan artırma (Gradyan ağacı artırma).
- Doyumsuz işlev yaklaşık: Gradyan artırma makinesi.
Kullanım örneklerinin bağlantıları için Ayrıca Bkz. bölümüne bakın.
Alanlar
| Name | Description |
|---|---|
| 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
| Name | Description |
|---|---|
| Info |
IEstimator<TTransformer> FastTree kullanarak karar ağacı ikili sınıflandırma modelini eğitin. (Devralındığı yer: FastTreeTrainerBase<TOptions,TTransformer,TModel>) |
Yöntemler
| Name | Description |
|---|---|
| Fit(IDataView, IDataView) |
Hem eğitim hem de doğrulama verilerini kullanarak bir FastTreeBinaryTrainer eğiterek bir BinaryPredictionTransformer<TModel>döndürür. |
| Fit(IDataView) |
Bir eğitip döndürür ITransformer. (Devralındığı yer: TrainerEstimatorBase<TTransformer,TModel>) |
| GetOutputSchema(SchemaShape) |
IEstimator<TTransformer> FastTree kullanarak karar ağacı ikili sınıflandırma modelini eğitin. (Devralındığı yer: TrainerEstimatorBase<TTransformer,TModel>) |
Uzantı Metotları
| Name | Description |
|---|---|
| AppendCacheCheckpoint<TTrans>(IEstimator<TTrans>, IHostEnvironment) |
Tahmin zincirine bir 'önbelleğe alma denetim noktası' ekler. Bu, aşağı akış tahmincilerinin önbelleğe alınmış verilere karşı eğitilmesini sağlar. Birden fazla veri alan eğitmenler geçişten önce bir önbelleğe alma kontrol noktasının olması yararlıdır. |
| WithOnFitDelegate<TTransformer>(IEstimator<TTransformer>, Action<TTransformer>) |
Tahmin aracı verildiğinde, bir temsilci çağrıldıktan sonra Fit(IDataView) 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 nesne içeren işlem hatları halinde oluşturulur, bu nedenle transformatörü almak istediğimiz tahmin aracının EstimatorChain<TLastTransformer> bu zincirde bir yere gömüldüğü bir tahmin zinciri oluşturmamız gerekebilir. Bu senaryo için, bu yöntem aracılığıyla uygun çağrıldıktan sonra çağrılacak bir temsilci ekleyebiliriz. |