共用方式為


BoostedTreeOptions 類別

定義

提升樹狀結構定型的選項。

public abstract class BoostedTreeOptions : Microsoft.ML.Trainers.FastTree.TreeOptions
type BoostedTreeOptions = class
    inherit TreeOptions
Public MustInherit Class BoostedTreeOptions
Inherits TreeOptions
繼承
衍生

建構函式

BoostedTreeOptions()

提升樹狀結構定型的選項。

欄位

AllowEmptyTrees

不可能進行根分割時,允許訓練繼續進行。

(繼承來源 TreeOptions)
BaggingExampleFraction

每個包中使用的定型範例百分比。 預設值為 0.7 (70%) 。

(繼承來源 TreeOptions)
BaggingSize

每個包 (0 的樹狀結構數目,以停用) 。

(繼承來源 TreeOptions)
BestStepRankingRegressionTrees

使用最佳回歸步驟樹狀結構的選項。

Bias

計算類別特徵之每個特徵量化之漸層的偏差。

(繼承來源 TreeOptions)
Bundling

組合低母體量化。Bundle.None (0) :沒有統合、Bundle.AggregateLowPopulation (1) :套件組合低母體、Bundle.Adjacent (2) :芳鄰低母體組合。

(繼承來源 TreeOptions)
CategoricalSplit

是否要根據多個類別特徵值進行分割。

(繼承來源 TreeOptions)
CompressEnsemble

壓縮樹狀結構Ensemble。

(繼承來源 TreeOptions)
DiskTranspose

在執行轉置時,是否要利用磁片或資料的原生轉置設施, (適用的) 。

(繼承來源 TreeOptions)
DropoutRate

樹狀結構正規化的卸載率。

EnablePruning

啟用定型後樹狀結構剪除以避免過度學習。 它需要驗證集。

EntropyCoefficient

entropy (正規化) 係數介於 0 到 1 之間。

(繼承來源 TreeOptions)
ExampleWeightColumnName

要用於加權的資料行。

(繼承來源 TrainerInputBaseWithWeight)
ExecutionTime

列印執行時間明細以 ML.NET 通道。

(繼承來源 TreeOptions)
FeatureColumnName

要用於功能的資料行。

(繼承來源 TrainerInputBase)
FeatureFirstUsePenalty

特徵會先使用懲罰係數。

(繼承來源 TreeOptions)
FeatureFlocks

是否要在資料集準備期間收集特徵,以加速定型。

(繼承來源 TreeOptions)
FeatureFraction

(隨機播放的功能分數,) 在每個反復專案上使用。 如果需要 90% 的功能,請使用 0.9。 較低的數位有助於減少過度調整。

(繼承來源 TreeOptions)
FeatureFractionPerSplit

(隨機播放的功能分數,) 用於每個分割。 如果值為 0.9,則所有功能的 90% 將會在預期中卸載。

(繼承來源 TreeOptions)
FeatureReusePenalty

特徵重複使用懲罰 (正規化) 係數。

(繼承來源 TreeOptions)
FeatureSelectionSeed

使用中特徵選取專案的種子。

(繼承來源 TreeOptions)
FilterZeroLambdas

在定型期間篩選零 Lambda。

GainConfidenceLevel

樹狀結構調整可取得信賴需求。 只有在其可能性與隨機播放增益高於此值時,才考慮取得。

(繼承來源 TreeOptions)
GetDerivativesSampleRate

在 GetDerivatives 函式中取樣每個查詢 1 次。

HistogramPoolSize

集區中的長條圖數目 (介於 2 到 numLeaves) 之間。

(繼承來源 TreeOptions)
LabelColumnName

要用於標籤的資料行。

(繼承來源 TrainerInputBaseWithLabel)
LearningRate

學習率。

MaximumBinCountPerFeature

每個功能) 的間隔 (相異值數目上限。

(繼承來源 TreeOptions)
MaximumCategoricalGroupCountPerNode

在類別特徵上分割時要考慮的類別分割群組上限。 分割群組是分割點的集合。 這可用來減少有許多類別特徵時過度學習。

(繼承來源 TreeOptions)
MaximumCategoricalSplitPointCount

在類別特徵上分割時,要考慮的類別分割點上限。

(繼承來源 TreeOptions)
MaximumNumberOfLineSearchSteps

方括弧後行搜尋步驟的數目。

MaximumTreeOutput

單一樹狀結構輸出的絕對值上限。

MemoryStatistics

將記憶體統計資料列印至 ML.NET 通道。

(繼承來源 TreeOptions)
MinimumExampleCountPerLeaf

形成新樹狀結構分葉所需的最小資料點數目。

(繼承來源 TreeOptions)
MinimumExampleFractionForCategoricalSplit

要考慮分割之 Bin 中的最小類別範例百分比。 所有定型範例的預設值為 0.1%。

(繼承來源 TreeOptions)
MinimumExamplesForCategoricalSplit

要考慮分割之 Bin 中的最小類別範例計數。

(繼承來源 TreeOptions)
MinimumStepSize

行搜尋步驟大小下限。

NumberOfLeaves

每個迴歸樹狀結構中的分葉數目上限。

(繼承來源 TreeOptions)
NumberOfThreads

要使用的執行緒數目。

(繼承來源 TreeOptions)
NumberOfTrees

在內建中建立的決策樹總數。

(繼承來源 TreeOptions)
OptimizationAlgorithm

要使用的優化演算法。

PruningThreshold

剪除的容錯臨界值。

PruningWindowSize

剪除的移動視窗大小。

RandomStart

定型從 /r1) 決定的隨機排序 (開始。

RowGroupColumnName

要用於 groupId 的資料行。

(繼承來源 TrainerInputBaseWithGroupId)
Seed

亂數產生器的種子。

(繼承來源 TreeOptions)
Shrinkage

收縮。

Smoothing

樹狀結構正規化的 Smoothing 參數。

(繼承來源 TreeOptions)
SoftmaxTemperature

隨機化 softmax 分佈的溫度,用於選擇此功能。

(繼承來源 TreeOptions)
SparsifyThreshold

使用疏鬆特徵表示所需的疏鬆層級。

(繼承來源 TreeOptions)
TestFrequency

計算每個 k 舍入的定型/有效/測試計量值。

(繼承來源 TreeOptions)
UseLineSearch

判斷是否要使用行搜尋步驟大小。

UseTolerantPruning

使用視窗和容錯進行剪除。

WriteLastEnsemble

撰寫最後一個內建專案,而不是由早期停止所決定的集合。

屬性

EarlyStoppingRule

在符合指定準則之後,用來終止定型程式的早期停止規則。 可能的選擇是 EarlyStoppingRuleBase 的實作,例如 TolerantEarlyStoppingRuleGeneralityLossRule

適用於