FastTreeBinaryTrainer.Options Sınıf

Tanım

Ad Alanı:

Microsoft.ML.Trainers.FastTree

Bütünleştirilmiş Kod:

Microsoft.ML.FastTree.dll

Paket:

Microsoft.ML.FastTree v2.0.0

FastTree(Seçenekler) içinde kullanılan için FastTreeBinaryTrainer seçenekleri.

public sealed class FastTreeBinaryTrainer.Options : Microsoft.ML.Trainers.FastTree.BoostedTreeOptions, Microsoft.ML.Runtime.IComponentFactory<Microsoft.ML.ITrainer>

type FastTreeBinaryTrainer.Options = class
    inherit BoostedTreeOptions
    interface IComponentFactory<ITrainer>
    interface IComponentFactory

Public NotInheritable Class FastTreeBinaryTrainer.Options
Inherits BoostedTreeOptions
Implements IComponentFactory(Of ITrainer)

Devralma

Object

TrainerInputBase

TrainerInputBaseWithLabel

TrainerInputBaseWithWeight

TrainerInputBaseWithGroupId

TreeOptions

BoostedTreeOptions

FastTreeBinaryTrainer.Options

Uygulamalar

IComponentFactory IComponentFactory<Microsoft.ML.ITrainer>

Oluşturucular

FastTreeBinaryTrainer.Options()

Varsayılan değerlerle yeni FastTreeBinaryTrainer.Options bir nesne oluşturun.

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)
BestStepRankingRegressionTrees	En iyi regresyon adım ağaçlarını kullanma seçeneği. (Devralındığı yer: BoostedTreeOptions)
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)
DropoutRate	Ağaç düzenlileştirme için bırakma oranı. (Devralındığı yer: BoostedTreeOptions)
EnablePruning	Fazla uygunluktan kaçınmak için eğitim sonrası ağaç ayıklamayı etkinleştirin. Bir doğrulama kümesi gerektirir. (Devralındığı yer: BoostedTreeOptions)
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)
FilterZeroLambdas	Eğitim sırasında sıfır lambda filtreleyin. (Devralındığı yer: BoostedTreeOptions)
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)
GetDerivativesSampleRate	GetDerivatives işlevinde her 1 sorguyu k kez örnekle. (Devralındığı yer: BoostedTreeOptions)
HistogramPoolSize	Havuzdaki histogram sayısı (2 ile numLeaves arasında). (Devralındığı yer: TreeOptions)
LabelColumnName	Etiketler için kullanılacak sütun. (Devralındığı yer: TrainerInputBaseWithLabel)
LearningRate	Öğrenme oranı. (Devralındığı yer: BoostedTreeOptions)
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)
MaximumNumberOfLineSearchSteps	Köşeli ayraç sonrası satır arama adımlarının sayısı. (Devralındığı yer: BoostedTreeOptions)
MaximumTreeOutput	Tek ağaç çıkışının mutlak değerinde üst sınır. (Devralındığı yer: BoostedTreeOptions)
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)
MinimumStepSize	Minimum satır arama adımı boyutu. (Devralındığı yer: BoostedTreeOptions)
NumberOfLeaves	Her regresyon ağacındaki en fazla yaprak sayısı. (Devralındığı yer: TreeOptions)
NumberOfThreads	Kullanılacak iş parçacığı sayısı. (Devralındığı yer: TreeOptions)
NumberOfTrees	Toplulukta oluşturulacak toplam karar ağacı sayısı. (Devralındığı yer: TreeOptions)
OptimizationAlgorithm	Kullanılacak iyileştirme algoritması. (Devralındığı yer: BoostedTreeOptions)
PruningThreshold	Budama için tolerans eşiği. (Devralındığı yer: BoostedTreeOptions)
PruningWindowSize	Budama için hareketli pencere boyutu. (Devralındığı yer: BoostedTreeOptions)
RandomStart	Eğitim rastgele sıralamadan başlar (/r1 tarafından belirlenir). (Devralındığı yer: BoostedTreeOptions)
RowGroupColumnName	Kullanılacak sütun, örneğin groupId. (Devralındığı yer: TrainerInputBaseWithGroupId)
Seed	Rastgele sayı oluşturucunun tohumu. (Devralındığı yer: TreeOptions)
Shrinkage	Büzülme. (Devralındığı yer: BoostedTreeOptions)
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)
UnbalancedSets	Dengesiz eğitim verileri için iyileştirilmiş türevlerin kullanılıp kullanılmaymayacağı.
UseLineSearch	Adım boyutu için satır aramanın kullanılıp kullanılmayacağını belirler. (Devralındığı yer: BoostedTreeOptions)
UseTolerantPruning	Budama için pencere ve tolerans kullanın. (Devralındığı yer: BoostedTreeOptions)
WriteLastEnsemble	Erken durdurularak belirlenen grup yerine son topluluğu yazın. (Devralındığı yer: BoostedTreeOptions)

Özellikler

EarlyStoppingMetric	Erken durdurulan ölçümler.
EarlyStoppingRule	Belirtilen ölçüt karşılandığında eğitim sürecini sonlandırmak için kullanılan erken durdurma kuralı. Olası seçenekler ve GeneralityLossRulegibi TolerantEarlyStoppingRule uygulamalarıdırEarlyStoppingRuleBase. (Devralındığı yer: BoostedTreeOptions)

Belirtik Arabirim Kullanımları

IComponentFactory<ITrainer>.CreateComponent(IHostEnvironment)

FastTree(Seçenekler) içinde kullanılan için FastTreeBinaryTrainer seçenekleri.