TreeEnsembleModelParameters 类

定义

命名空间:

Microsoft.ML.Trainers.FastTree

程序集:

Microsoft.ML.FastTree.dll

包:

Microsoft.ML.FastTree v3.0.1

public abstract class TreeEnsembleModelParameters : Microsoft.ML.Trainers.ModelParametersBase<float>, Microsoft.ML.Trainers.ICalculateFeatureContribution

type TreeEnsembleModelParameters = class
    inherit ModelParametersBase<single>
    interface ICalculateFeatureContribution

Public MustInherit Class TreeEnsembleModelParameters
Inherits ModelParametersBase(Of Single)
Implements ICalculateFeatureContribution

继承

Object

ModelParametersBase<Single>

TreeEnsembleModelParameters

派生

Microsoft.ML.Trainers.FastTree.TreeEnsembleModelParametersBasedOnQuantileRegressionTree

Microsoft.ML.Trainers.FastTree.TreeEnsembleModelParametersBasedOnRegressionTree

实现

ICalculateFeatureContribution

方法

GetFeatureWeights(VBuffer<Single>)

获取所有树中每个功能的累积拆分增益。

显式接口实现

ICalculateFeatureContribution.FeatureContributionCalculator	用于确定每个功能对示例分数的贡献。FeatureContributionCalculatingTransformer 特征贡献的计算实质上包括确定树中的拆分对最终分数的影响最大，并将影响值分配给确定拆分的功能。 更准确地说，特征的贡献等于每次遇到给定特征的决策节点时，通过探索相反的子树生成的分数变化。 对于具有二进制功能 F1 的决策节点的单个决策树，请考虑一个简单的案例。 假设特征 F1 等于 true 的示例，我们可以计算与特征 F1 相对应的子树等于 false 而保持其他特征常量时获得的分数。 给定示例的功能 F1 的贡献是原始分数与在对应于特征 F1 的节点上做出相反决策获得的分数之间的差异。 此算法自然扩展到具有许多决策树的模型。
ICanSaveModel.Save(ModelSaveContext)	(继承自 ModelParametersBase<TOutput>)