FastTreeRankingTrainer.Options 类

定义

命名空间:

Microsoft.ML.Trainers.FastTree

程序集:

Microsoft.ML.FastTree.dll

包:

Microsoft.ML.FastTree v2.0.0

FastTreeRankingTrainerFastTree 中使用的 选项 (选项) 。

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

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

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

继承

Object

TrainerInputBase

TrainerInputBaseWithLabel

TrainerInputBaseWithWeight

TrainerInputBaseWithGroupId

TreeOptions

BoostedTreeOptions

FastTreeRankingTrainer.Options

实现

IComponentFactory IComponentFactory<Microsoft.ML.ITrainer>

构造函数

FastTreeRankingTrainer.Options()

创建一个具有默认值的新 FastTreeRankingTrainer.Options 对象。

字段

AllowEmptyTrees	如果无法进行根拆分，则允许继续训练。 (继承自 TreeOptions)
BaggingExampleFraction	每个包中使用的训练示例的百分比。 默认值为 0.7 (70%) 。 (继承自 TreeOptions)
BaggingSize	每个袋子中的树数 (0，用于禁用装袋) 。 (继承自 TreeOptions)
BestStepRankingRegressionTrees	使用最佳回归步骤树的选项。 (继承自 BoostedTreeOptions)
Bias	用于计算分类特征的每个特征箱的梯度的偏差。 (继承自 TreeOptions)
Bundling	捆绑低填充箱。Bundle.None (0) ： no bundleling， Bundle.AggregateLowPopulation (1) ： Bundle low population， Bundle.Neighbort (2) ： Neighbor low population bundle. (继承自 TreeOptions)
CategoricalSplit	是否根据多个分类特征值执行拆分。 (继承自 TreeOptions)
CompressEnsemble	压缩树系综。 (继承自 TreeOptions)
CustomGains	与每个相关性标签关联的收益的逗号分隔列表。
DiskTranspose	在执行转置时，是利用磁盘还是数据的本机转置设施 () 。 (继承自 TreeOptions)
DropoutRate	树正则化的删除率。 (继承自 BoostedTreeOptions)
EnablePruning	启用训练后树修剪以避免过度拟合。 它需要验证集。 (继承自 BoostedTreeOptions)
EntropyCoefficient	熵 (正则化) 系数介于 0 和 1 之间。 (继承自 TreeOptions)
ExampleWeightColumnName	用于示例权重的列。 (继承自 TrainerInputBaseWithWeight)
ExecutionTime	打印执行时间细分为 ML.NET 通道。 (继承自 TreeOptions)
FeatureColumnName	要用于功能的列。 (继承自 TrainerInputBase)
FeatureFirstUsePenalty	该特征首先使用惩罚系数。 (继承自 TreeOptions)
FeatureFlocks	是否在数据集准备期间对特征进行集合以加快训练速度。 (继承自 TreeOptions)
FeatureFraction	(随机选择) 用于每次迭代的特征部分。 如果只需要 90% 的功能，请使用 0.9。 较低的数字有助于减少过度拟合。 (继承自 TreeOptions)
FeatureFractionPerSplit	特征的分数 (随机选择) 用于每次拆分。 如果值为 0.9，则会降低 90% 的所有功能。 (继承自 TreeOptions)
FeatureReusePenalty	特征重新使用正则化) 系数 (惩罚。 (继承自 TreeOptions)
FeatureSelectionSeed	活动特征选择的种子。 (继承自 TreeOptions)
FilterZeroLambdas	在训练期间筛选零 lambda。 (继承自 BoostedTreeOptions)
GainConfidenceLevel	树拟合获取置信度要求。 仅当其可能性与随机选择增益高于此值时，才考虑增益。 (继承自 TreeOptions)
GetDerivativesSampleRate	在 GetDerivatives 函数中对每个查询采样 1（以 k 为单位）。 (继承自 BoostedTreeOptions)
HistogramPoolSize	池中的直方图数 (介于 2 和 numLeaves) 之间。 (继承自 TreeOptions)
LabelColumnName	用于标签的列。 (继承自 TrainerInputBaseWithLabel)
LearningRate	学习速率。 (继承自 BoostedTreeOptions)
MaximumBinCountPerFeature	每个特征的最大不同值（箱）数。 (继承自 TreeOptions)
MaximumCategoricalGroupCountPerNode	对分类功能进行拆分时要考虑的最大分类拆分组数。 拆分组是拆分点的集合。 这用于在存在许多分类特征时减少过度拟合。 (继承自 TreeOptions)
MaximumCategoricalSplitPointCount	在分类特征上进行拆分时要考虑的最大分类拆分点。 (继承自 TreeOptions)
MaximumNumberOfLineSearchSteps	括号后行搜索步骤数。 (继承自 BoostedTreeOptions)
MaximumTreeOutput	单个树输出的绝对值的上限。 (继承自 BoostedTreeOptions)
MemoryStatistics	将内存统计信息打印到 ML.NET 通道。 (继承自 TreeOptions)
MinimumExampleCountPerLeaf	形成新树叶所需的最小数据点数。 (继承自 TreeOptions)
MinimumExampleFractionForCategoricalSplit	要考虑拆分的箱中的最小分类示例百分比。 默认值为所有训练示例的 0.1%。 (继承自 TreeOptions)
MinimumExamplesForCategoricalSplit	要考虑拆分的箱中的最小分类示例计数。 (继承自 TreeOptions)
MinimumStepSize	最小行搜索步骤大小。 (继承自 BoostedTreeOptions)
NdcgTruncationLevel	在 LambdaMAR 算法中使用的最大 NDCG 截断。
NumberOfLeaves	每个回归树中的最大叶数。 (继承自 TreeOptions)
NumberOfThreads	要使用的线程数。 (继承自 TreeOptions)
NumberOfTrees	在集成中创建的决策树总数。 (继承自 TreeOptions)
OptimizationAlgorithm	要使用的优化算法。 (继承自 BoostedTreeOptions)
PruningThreshold	修剪的容差阈值。 (继承自 BoostedTreeOptions)
PruningWindowSize	用于修剪的移动窗口大小。 (继承自 BoostedTreeOptions)
RandomStart	训练从 /r1) 确定的随机排序 (开始。 (继承自 BoostedTreeOptions)
RowGroupColumnName	用于示例 groupId 的列。 (继承自 TrainerInputBaseWithGroupId)
Seed	随机数生成器的种子。 (继承自 TreeOptions)
Shrinkage	收缩。 (继承自 BoostedTreeOptions)
Smoothing	用于树正则化的平滑参数。 (继承自 TreeOptions)
SoftmaxTemperature	用于选择特征的随机 softmax 分布的温度。 (继承自 TreeOptions)
SparsifyThreshold	使用稀疏特征表示形式所需的稀疏级别。 (继承自 TreeOptions)
TestFrequency	每 k 轮计算训练/有效/测试的指标值。 (继承自 TreeOptions)
UseDcg	是否使用折扣累积增益 (DCG) 而不是规范化 DCG (NDCG) 进行训练。
UseLineSearch	确定是否对步长使用行搜索。 (继承自 BoostedTreeOptions)
UseTolerantPruning	使用窗口和容错进行修剪。 (继承自 BoostedTreeOptions)
WriteLastEnsemble	编写最后一个合奏，而不是通过提前停止确定的合奏。 (继承自 BoostedTreeOptions)

属性

EarlyStoppingMetric	提前停止指标。
EarlyStoppingRule	满足指定条件后，用于终止训练过程的提前停止规则。 可能的选择是 EarlyStoppingRuleBase的实现，例如 TolerantEarlyStoppingRule 和 GeneralityLossRule。 (继承自 BoostedTreeOptions)

显式接口实现

IComponentFactory<ITrainer>.CreateComponent(IHostEnvironment)

FastTreeRankingTrainerFastTree 中使用的 选项 (选项) 。