TreeOptions Sınıf

Tanım

Ad Alanı:

Microsoft.ML.Trainers.FastTree

Bütünleştirilmiş Kod:

Microsoft.ML.FastTree.dll

Paket:

Microsoft.ML.FastTree v3.0.1

Ağaç eğitmenleri için seçenekler.

public abstract class TreeOptions : Microsoft.ML.Trainers.TrainerInputBaseWithGroupId

type TreeOptions = class
    inherit TrainerInputBaseWithGroupId

Public MustInherit Class TreeOptions
Inherits TrainerInputBaseWithGroupId

Devralma

Object

TrainerInputBase

TrainerInputBaseWithLabel

TrainerInputBaseWithWeight

TrainerInputBaseWithGroupId

TreeOptions

Türetilmiş

Microsoft.ML.Trainers.FastTree.BoostedTreeOptions

Microsoft.ML.Trainers.FastTree.FastForestOptionsBase

Oluşturucular

TreeOptions()

Ağaç eğitmenleri için seçenekler.

Alanlar

AllowEmptyTrees	Kök bölme mümkün olmadığında eğitimin devam etmesine izin verin.
BaggingExampleFraction	Her çantada kullanılan eğitim örneklerinin yüzdesi. Varsayılan değer 0,7 (%70).
BaggingSize	Her torbadaki ağaç sayısı (bagging'i devre dışı bırakmak için 0).
Bias	Kategorik bir özellik için her özellik kutusu için gradyan hesaplamaya yönelik yanlılık.
Bundling	Düşük popülasyonlu bölmeleri paketle. Bundle.None(0): no bundling, Bundle.AggregateLowPopulation(1): Bundle low population, Bundle.Adjacent(2): Komşu düşük popülasyon paketi.
CategoricalSplit	Birden çok kategorik özellik değerine göre bölme yapılıp yapılmaymayacağı.
CompressEnsemble	Ağaç Topluluğu'na sıkıştırın.
DiskTranspose	İşlemi gerçekleştirirken diskin mi yoksa verilerin yerel transposition tesislerinin mi (uygunsa) kullanılıp kullanılmayacağı.
EntropyCoefficient	0 ile 1 arasındaki entropi (normalleştirme) katsayısı.
ExampleWeightColumnName	Ağırlık gibi kullanılacak sütun. (Devralındığı yer: TrainerInputBaseWithWeight)
ExecutionTime	Yürütme zamanı dökümünü ML.NET kanala yazdırın.
FeatureColumnName	Özellikler için kullanılacak sütun. (Devralındığı yer: TrainerInputBase)
FeatureFirstUsePenalty	Özellik ilk olarak ceza katsayısını kullanır.
FeatureFlocks	Eğitimi hızlandırmak için veri kümesi hazırlığı sırasında özelliklerin toplanıp toplanmayacağı.
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.
FeatureFractionPerSplit	Her bölmede kullanılacak özelliklerin kesri (rastgele seçilir). Değeri 0,9 ise tüm özelliklerin %90'ı beklentiye düşer.
FeatureReusePenalty	Özellik yeniden kullanım ceza (normalleştirme) katsayısı.
FeatureSelectionSeed	Etkin özellik seçiminin tohumu.
GainConfidenceLevel	Ağaç sığdırma güven gereksinimi kazanın. Yalnızca bu değerin üzerinde rastgele bir seçim kazancıyla karşı karşıya olma olasılığı varsa bir kazanç düşünün.
HistogramPoolSize	Havuzdaki histogramların sayısı (2 ile numLeaves arasında).
LabelColumnName	Etiketler için kullanılacak sütun. (Devralındığı yer: TrainerInputBaseWithLabel)
MaximumBinCountPerFeature	Özellik başına en fazla ayrı değer (bölme) sayısı.
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.
MaximumCategoricalSplitPointCount	Kategorik bir özelliğe bölünürken dikkate alınacak en fazla kategorik bölme noktası.
MemoryStatistics	Bellek istatistiklerini ML.NET kanala yazdırın.
MinimumExampleCountPerLeaf	Yeni bir ağaç yaprağı oluşturmak için gereken en az veri noktası sayısı.
MinimumExampleFractionForCategoricalSplit	Bölmede bölme için dikkate alınacak en düşük kategorik örnek yüzdesi. Varsayılan değer tüm eğitim örneklerinin %0,1'idir.
MinimumExamplesForCategoricalSplit	Bölmede bölme için dikkate alınacak en düşük kategorik örnek sayısı.
NumberOfLeaves	Her regresyon ağacındaki maksimum yaprak sayısı.
NumberOfThreads	Kullanılacak iş parçacığı sayısı.
NumberOfTrees	Toplulukta oluşturulacak karar ağacının toplam sayısı.
RowGroupColumnName	GroupId gibi kullanılacak sütun. (Devralındığı yer: TrainerInputBaseWithGroupId)
Seed	Rastgele sayı oluşturucunun tohumu.
Smoothing	Ağaç düzenlileştirme için düzeltme parametresi.
SoftmaxTemperature	Özelliği seçmek için rastgele softmax dağılımının sıcaklığı.
SparsifyThreshold	Seyrek özellik gösterimini kullanmak için sparsity düzeyi gereklidir.
TestFrequency	Eğitim/geçerli/her k turu için ölçüm değerlerini hesaplayın.