LightGbmRegressionModelParameters 類別

定義

命名空間:

Microsoft.ML.Trainers.LightGbm

組件:

Microsoft.ML.LightGbm.dll

套件:

Microsoft.ML.LightGbm v3.0.1

的 LightGbmRegressionTrainer 模型參數。

public sealed class LightGbmRegressionModelParameters : Microsoft.ML.Trainers.FastTree.TreeEnsembleModelParametersBasedOnRegressionTree

type LightGbmRegressionModelParameters = class
    inherit TreeEnsembleModelParametersBasedOnRegressionTree

Public NotInheritable Class LightGbmRegressionModelParameters
Inherits TreeEnsembleModelParametersBasedOnRegressionTree

繼承

Object

ModelParametersBase<Single>

TreeEnsembleModelParameters

TreeEnsembleModelParametersBasedOnRegressionTree

LightGbmRegressionModelParameters

屬性

TrainedTreeEnsemble

公開給使用者的樹狀結構集合。 它是 中的 包裝 TreeEnsemble<T> 函式。 internalMicrosoft.ML.Trainers.FastTree.InternalTreeEnsemble (繼承來源 TreeEnsembleModelParametersBasedOnRegressionTree)

方法

GetFeatureWeights(VBuffer<Single>)

取得所有樹狀結構中每個功能的累計分割增益。 (繼承來源 TreeEnsembleModelParameters)

明確介面實作

ICalculateFeatureContribution.FeatureContributionCalculator	用來判斷每個特徵對 範例 FeatureContributionCalculatingTransformer 分數的貢獻。 特徵貢獻的計算基本上包含判斷樹狀結構中的分割對最終分數的影響最大，並將影響的值指派給決定分割的功能。 更精確地說，功能的貢獻等於每次遇到指定功能的決策節點時，探索相反子樹狀結構所產生的分數變更。 請考慮使用具有二進位功能 F1 決策節點的單一決策樹的簡單案例。 假設功能 F1 等於 true 的範例，我們可以計算如果選擇對應至功能 F1 的子樹等於 false，同時保留其他特徵常數，就可以計算其取得的分數。 給定範例的功能 F1 貢獻在於原始分數與取得分數之間的差異，方法是在對應至功能 F1 的節點上採取相反決策。 此演算法自然擴充至具有許多決策樹的模型。 (繼承來源 TreeEnsembleModelParameters)
ICanSaveModel.Save(ModelSaveContext)	的 LightGbmRegressionTrainer 模型參數。 (繼承來源 ModelParametersBase<TOutput>)