FastTreeRankingTrainer.Options 類別
定義
重要
部分資訊涉及發行前產品,在發行之前可能會有大幅修改。 Microsoft 對此處提供的資訊,不做任何明確或隱含的瑕疵擔保。
public sealed class FastTreeRankingTrainer.Options : Microsoft.ML.Trainers.FastTree.BoostedTreeOptions, Microsoft.ML.Runtime.IComponentFactory<Microsoft.ML.ITrainer>
type FastTreeRankingTrainer.Options = class
inherit BoostedTreeOptions
interface IComponentFactory<ITrainer>
interface IComponentFactory
Public NotInheritable Class FastTreeRankingTrainer.Options
Inherits BoostedTreeOptions
Implements IComponentFactory(Of ITrainer)
- 繼承
-
FastTreeRankingTrainer.Options
- 實作
-
IComponentFactory IComponentFactory<Microsoft.ML.ITrainer>
建構函式
FastTreeRankingTrainer.Options() |
建立具有預設值的新 FastTreeRankingTrainer.Options 物件。 |
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。 (繼承來源 BoostedTreeOptions) |
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) |
CustomGains |
與每個相關性標籤相關聯的增益逗號分隔清單。 |
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。 (繼承來源 BoostedTreeOptions) |
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。 (繼承來源 BoostedTreeOptions) |
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。 (繼承來源 BoostedTreeOptions) |
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。 (繼承來源 BoostedTreeOptions) |
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。 (繼承來源 BoostedTreeOptions) |
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。 (繼承來源 BoostedTreeOptions) |
MaximumTreeOutput |
單一樹狀結構輸出的絕對值上限。 (繼承來源 BoostedTreeOptions) |
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。 (繼承來源 BoostedTreeOptions) |
NdcgTruncationLevel |
LambdaMAR 演算法中要使用的最大 NDCG 截斷。 |
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。 (繼承來源 BoostedTreeOptions) |
PruningThreshold |
剪除的容錯臨界值。 (繼承來源 BoostedTreeOptions) |
PruningWindowSize |
剪除的移動視窗大小。 (繼承來源 BoostedTreeOptions) |
RandomStart |
定型從 /r1) 決定的隨機排序 (開始。 (繼承來源 BoostedTreeOptions) |
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。 (繼承來源 BoostedTreeOptions) |
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) |
UseDcg |
是否要使用折扣累積收益來定型 (DCG) ,而不是正規化的 DCG (NDCG) 。 |
UseLineSearch |
判斷是否要使用行搜尋步驟大小。 (繼承來源 BoostedTreeOptions) |
UseTolerantPruning |
使用視窗和容錯進行剪除。 (繼承來源 BoostedTreeOptions) |
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。 (繼承來源 BoostedTreeOptions) |
屬性
EarlyStoppingMetric |
早期停止計量。 |
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 TolerantEarlyStoppingRule 和 GeneralityLossRule 。 (繼承來源 BoostedTreeOptions) |
明確介面實作
IComponentFactory<ITrainer>.CreateComponent(IHostEnvironment) |