共用方式為


FastForestOptionsBase 類別

定義

快速樹系定型工具選項的基類。

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

欄位

AllowEmptyTrees

當無法分割根時,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)
Bias

針對類別特徵的每個特徵量化計算漸層的偏差。

(繼承來源 TreeOptions)
Bundling

組合低母體擴展量化。Bundle.None (0) : no bundleling, Bundle.AggregateLowPopulation (1) : Bundle low population, Bundle.Adjacent (2) : Neighbor low population bundle.

(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功能, (適用的) 。

(繼承來源 TreeOptions)
EntropyCoefficient

entropy (正規化) 0 到 1 之間的係數。

(繼承來源 TreeOptions)
ExampleWeightColumnName

要用於範例權數的資料行。

(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) ,以用於每個分割。 如果值為 0.9,則會在預期中捨棄所有功能的 90%。

(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

作用中特徵選取專案的種子。

(繼承來源 TreeOptions)
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)
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)
MaximumBinCountPerFeature

每個功能) 的間隔 (相異值數目上限。

(繼承來源 TreeOptions)
MaximumCategoricalGroupCountPerNode

在類別功能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。 當有許多類別特徵時,這會用來減少過度學習。

(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)
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少資料點數目。

(繼承來源 TreeOptions)
MinimumExampleFractionForCategoricalSplit

要考慮分割之量化中的類別範例百分比下限。 所有訓練範例的預設值為 0.1%。

(繼承來源 TreeOptions)
MinimumExamplesForCategoricalSplit

要考慮分割之量化中的最小類別範例計數。

(繼承來源 TreeOptions)
NumberOfLeaves

每個迴歸樹狀結構中的分葉數目上限。

(繼承來源 TreeOptions)
NumberOfQuantileSamples

要從每個分葉取樣的資料點數目,以尋找標籤的分佈。

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)
RowGroupColumnName

要用於 example groupId 的資料行。

(繼承來源 TrainerInputBaseWithGroupId)
Seed

亂數產生器的種子。

(繼承來源 TreeOptions)
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)

適用於