FastTreeBinaryTrainer 類別

定義

IEstimator<TTransformer> 用於使用 FastTree 定型決策樹二元分類模型。

public sealed class FastTreeBinaryTrainer : Microsoft.ML.Trainers.FastTree.BoostingFastTreeTrainerBase<Microsoft.ML.Trainers.FastTree.FastTreeBinaryTrainer.Options,Microsoft.ML.Data.BinaryPredictionTransformer<Microsoft.ML.Calibrators.CalibratedModelParametersBase<Microsoft.ML.Trainers.FastTree.FastTreeBinaryModelParameters,Microsoft.ML.Calibrators.PlattCalibrator>>,Microsoft.ML.Calibrators.CalibratedModelParametersBase<Microsoft.ML.Trainers.FastTree.FastTreeBinaryModelParameters,Microsoft.ML.Calibrators.PlattCalibrator>>
type FastTreeBinaryTrainer = class
    inherit BoostingFastTreeTrainerBase<FastTreeBinaryTrainer.Options, BinaryPredictionTransformer<CalibratedModelParametersBase<FastTreeBinaryModelParameters, PlattCalibrator>>, CalibratedModelParametersBase<FastTreeBinaryModelParameters, PlattCalibrator>>
Public NotInheritable Class FastTreeBinaryTrainer
Inherits BoostingFastTreeTrainerBase(Of FastTreeBinaryTrainer.Options, BinaryPredictionTransformer(Of CalibratedModelParametersBase(Of FastTreeBinaryModelParameters, PlattCalibrator)), CalibratedModelParametersBase(Of FastTreeBinaryModelParameters, PlattCalibrator))
繼承

備註

若要建立此定型器,請使用 FastTreeFastTree (Options)

輸入和輸出資料行

輸入標籤資料行資料必須是 Boolean。 輸入特徵資料行資料必須是 的已知大小向量 Single

此定型器會輸出下列資料行:

輸出資料行名稱 資料行類型 描述
Score Single 模型所計算的未系結分數。
PredictedLabel Boolean 預測標籤 (根據分數的正負號)。 負值分數會對應到 false,正值分數則會對應到 true
Probability Single 藉由校正具有 true 作為標籤的分數來計算的機率。 機率值的範圍為 [0, 1]。

定型器特性

機器學習工作 二元分類
是否需要正規化?
是否需要快取?
除了 Microsoft.ML 之外,還需要 NuGet Microsoft.ML.FastTree
可匯出至 ONNX

定型演算法詳細資料

FastTree 是 MART 漸層提升演算法的有效實作。 梯度提升是一種適用於迴歸問題的機器學習技術。 它會以逐步方式建置每個迴歸樹狀結構,使用預先定義的損失函式來測量每個步驟的錯誤,並在下一個步驟中修正錯誤。 因此,此預測模型實際上是較弱預測模型的一組。 在回歸問題中,提升會以逐步方式建置一系列這類樹狀結構,然後使用任意可區分的遺失函式選取最佳樹狀結構。

MART 會學習迴歸樹的一組,這是在其分葉中具有純量值的決策樹。 判定 (或回歸) 樹狀結構是一個類似二進位樹狀結構的流程圖,其中一個內部節點會根據輸入中的其中一個特徵值,決定要繼續哪一個子節點。 在每個分葉節點上,會傳回值。 在內部節點中,決策是以測試 x = v 為基礎,其中 x < 是輸入範例中的特徵值,而 v 是此功能的其中一個可能值。 迴歸樹狀結構可產生的函數是所有分段常數函數。

樹狀結構的內建是由計算所產生,在每個步驟中都是近似損失函式漸層的迴歸樹狀結構,並將它新增至上一個樹狀結構,其中具有可將新樹狀結構遺失降至最低的係數。 MART 在給定實例上產生的集團輸出是樹狀輸出的總和。

  • 如果是二元分類問題,輸出會使用某種形式的校正轉換成機率。
  • 如果是回歸問題,輸出就是函式的預測值。
  • 如果發生排名問題,實例會依內建的輸出值排序。

如需詳細資訊,請參閱:

如需使用範例的連結,請參閱另請參閱一節。

欄位

FeatureColumn

定型器預期的功能資料行。

(繼承來源 TrainerEstimatorBase<TTransformer,TModel>)
GroupIdColumn

排名定型器預期的選擇性 groupID 資料行。

(繼承來源 TrainerEstimatorBaseWithGroupId<TTransformer,TModel>)
LabelColumn

定型器預期的標籤資料行。 可以是 null ,表示標籤不會用於定型。

(繼承來源 TrainerEstimatorBase<TTransformer,TModel>)
WeightColumn

定型器預期的加權資料行。 可以是 null ,表示不會使用權數來定型。

(繼承來源 TrainerEstimatorBase<TTransformer,TModel>)

屬性

Info

IEstimator<TTransformer> 用於使用 FastTree 定型決策樹二元分類模型。

(繼承來源 FastTreeTrainerBase<TOptions,TTransformer,TModel>)

方法

Fit(IDataView)

定型並傳 ITransformer 回 。

(繼承來源 TrainerEstimatorBase<TTransformer,TModel>)
Fit(IDataView, IDataView)

FastTreeBinaryTrainer使用定型和驗證資料來定型 ,並傳 BinaryPredictionTransformer<TModel> 回 。

GetOutputSchema(SchemaShape)

IEstimator<TTransformer> 用於使用 FastTree 定型決策樹二元分類模型。

(繼承來源 TrainerEstimatorBase<TTransformer,TModel>)

擴充方法

AppendCacheCheckpoint<TTrans>(IEstimator<TTrans>, IHostEnvironment)

將「快取檢查點」附加至估算器鏈結。 這可確保下游估算器會針對快取的資料定型。 在接受多個資料通過的定型器之前,擁有快取檢查點會很有説明。

WithOnFitDelegate<TTransformer>(IEstimator<TTransformer>, Action<TTransformer>)

假設有估算器,則會傳回包裝物件,一旦 Fit(IDataView) 呼叫委派即可。 估算器通常必須傳回符合專案的相關資訊,這就是方法 Fit(IDataView) 傳回特定型別物件的原因,而不是只傳回一般 ITransformer 。 不過,同時 IEstimator<TTransformer> ,通常會形成具有許多物件的管線,因此我們可能需要透過 EstimatorChain<TLastTransformer> 建置估算器的鏈結,而我們想要取得轉換器的估算器會在此鏈結的某處被隱藏。 在該案例中,我們可以透過此方法附加呼叫一次將會呼叫的委派。

適用於

另請參閱