TreeEnsembleModelParametersBasedOnQuantileRegressionTree 类

定义

TreeEnsembleModelParametersBasedOnQuantileRegressionTree 派生自 TreeEnsembleModelParameters 强类型公共属性, TrainedTreeEnsemble以便向用户公开训练模型的详细信息。 其函数Microsoft.ML.Trainers.FastTree.TreeEnsembleModelParametersBasedOnQuantileRegressionTree.CreateTreeEnsembleFromInternalDataStructure调用以在内部TreeEnsembleModelParameters创建TrainedTreeEnsemble。 请注意,两者之间TreeEnsembleModelParametersBasedOnQuantileRegressionTreeTreeEnsembleModelParametersBasedOnRegressionTree的主要区别在于TrainedTreeEnsemble类型。

public abstract class TreeEnsembleModelParametersBasedOnQuantileRegressionTree : Microsoft.ML.Trainers.FastTree.TreeEnsembleModelParameters
type TreeEnsembleModelParametersBasedOnQuantileRegressionTree = class
    inherit TreeEnsembleModelParameters
Public MustInherit Class TreeEnsembleModelParametersBasedOnQuantileRegressionTree
Inherits TreeEnsembleModelParameters
继承
TreeEnsembleModelParametersBasedOnQuantileRegressionTree
派生

属性

TrainedTreeEnsemble

向用户公开的树的合奏。 它是一个包装 internalMicrosoft.ML.Trainers.FastTree.InternalTreeEnsembleTreeEnsemble<T>

方法

GetFeatureWeights(VBuffer<Single>)

获取所有树中每个功能的累积拆分收益。

(继承自 TreeEnsembleModelParameters)

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,并将影响的值分配给确定拆分的功能。 更确切地说,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。 对于具有二进制特征 F1 的决策节点的单个决策树,请考虑一个简单的情况。 假设特征 F1 等于 true 的示例,如果我们选择对应于特征 F1 的子树相等的子树,则我们可以计算它获得的分数,同时保持其他特征常量。 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定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。

(继承自 TreeEnsembleModelParameters)
ICanSaveModel.Save(ModelSaveContext)

TreeEnsembleModelParametersBasedOnQuantileRegressionTree 派生自 TreeEnsembleModelParameters 强类型公共属性, TrainedTreeEnsemble以便向用户公开训练模型的详细信息。 其函数Microsoft.ML.Trainers.FastTree.TreeEnsembleModelParametersBasedOnQuantileRegressionTree.CreateTreeEnsembleFromInternalDataStructure调用以在内部TreeEnsembleModelParameters创建TrainedTreeEnsemble。 请注意,两者之间TreeEnsembleModelParametersBasedOnQuantileRegressionTreeTreeEnsembleModelParametersBasedOnRegressionTree的主要区别在于TrainedTreeEnsemble类型。

(继承自 ModelParametersBase<TOutput>)

适用于