microsoftml.rx_ensemble：將多個模型合併成單一模型

發行項
05/04/2023

使用方式

microsoftml.rx_ensemble(formula: str,
    data: [<class 'revoscalepy.datasource.RxDataSource.RxDataSource'>,
    <class 'pandas.core.frame.DataFrame'>, <class 'list'>],
    trainers: typing.List[microsoftml.modules.base_learner.BaseLearner],
    method: str = None, model_count: int = None,
    random_seed: int = None, replace: bool = False,
    samp_rate: float = None, combine_method: ['Average', 'Median',
    'Vote'] = 'Median', max_calibration: int = 100000,
    split_data: bool = False, ml_transforms: list = None,
    ml_transform_vars: list = None, row_selection: str = None,
    transforms: dict = None, transform_objects: dict = None,
    transform_function: str = None,
    transform_variables: list = None,
    transform_packages: list = None,
    transform_environment: dict = None, blocks_per_read: int = None,
    report_progress: int = None, verbose: int = 1,
    compute_context: revoscalepy.computecontext.RxComputeContext.RxComputeContext = None)

Description

將一整團模型定型。

詳細資料

rx_ensemble 是一個函數，可將各種類型的數個模型定型，以取得與從單一模型取得的效能相比更佳的預測效能。

引數

formula

有效 Python 語法中的符號或數學公式，以雙引號括住。符號公式可能會參考資料來源中的物件，例如 "creditScore ~ yearsEmploy"。目前不支援互動字詞 (creditScore * yearsEmploy) 和運算式 (creditScore == 1)。

data

資料來源物件或字元字串，指定 .xdf 檔案或資料框架物件。或者，也可以是資料來源清單，表示每個模型都應該使用清單中的其中一個資料來源定型。在此情況下，資料清單的長度必須等於 model_count。

trainers

具有其引數的定型器清單。定型器是使用 FastTrees、FastForest、FastLinear、LogisticRegression、NeuralNetwork 或 OneClassSvm 建立。

method

指定集成類型的字元字串："anomaly" 表示異常偵測、"binary" 表示二元分類、multiClass 表示多元分類，或 "regression" 表示迴歸。

random_seed

指定隨機種子。預設值是 None。

model_count

指定要定型的模型數目。如果此數字大於定型器清單的長度，則定型器清單會重複以符合 model_count。

取代

邏輯值，指定觀測的取樣應該重複或不重複進行。預設值是 False。

samp_rate

正值的純量，指定要針對每個定型器取樣的觀測百分比。預設值 1.0 表示重複取樣 (即 replace=True)，而 0.632 則表示不重複取樣 (即 replace=False)。當 split_data 為 True 時，預設值 samp_rate 為 1.0 (分割前不會進行取樣)。

split_data

邏輯值，指定是否要在非重疊的分割區上定型基本模型。預設值為 False。僅適用於 RxSpark 計算內容，其他內容則會忽略。

combine_method

指定用來合併模型的方法：

"Median"：可計算個別模型輸出的中位數，
"Average"：可計算個別模型輸出的平均值，以及
"Vote"：可計算模型的 (pos-neg)/總數，其中 'pos' 是正輸出的數目，而 'neg' 則是負輸出的數目。

max_calibration

指定用於校正的範例數目上限。除了二元分類之外，所有其他工作都會忽略此引數。

ml_transforms

指定在定型之前要在資料上執行的 MicrosoftML 轉換清單，或者，若未執行任何轉換，則為 None。不允許需要額外忽略資料的轉換 (例如 featurize_text、categorical)。這些轉換會在任何指定的 R 轉換之後執行。預設值為 None。

ml_transform_vars

指定要用於 ml_transforms 之變數名稱的字元向量，或者，若未使用任何名稱，則為 None。預設值為 None。

row_selection

不支援。指定資料集中要供模型使用的資料列 (觀測值)，可以是來自資料集的邏輯變數名稱 (以引號括住)，或是使用資料集中變數的邏輯運算式。例如：

rowSelection = "old" 將只會使用 old 變數值為 True 的觀測值。
rowSelection = (age > 20) & (age < 65) & (log(income) > 10) 只會使用 age 變數值介於 20 到 65 之間且 income 變數 log 值大於 10 的觀察值。

資料列選取會在處理任何資料轉換之後執行 (請參閱引數 transforms 或 transform_func)。如同所有運算式，可以在函數呼叫之外使用 expression 函數定義 row_selection。

轉換

不支援。代表第一輪變數轉換形式的運算式。如同所有運算式，可以在函數呼叫之外使用 expression 函數定義 transforms (或 row_selection)。

transform_objects

不支援。具名清單，其中包含 transforms、transform_function 和 row_selection 可以參考的物件。

transform_function

變數轉換函數。

transform_variables

轉換函數所需之輸入資料集變數的字元向量。

transform_packages

不支援。字元向量，用以指定其他 Python 套件 (除了 RxOptions.get_option("transform_packages") 中指定的套件以外) 以供使用，並且預先載入以供變數轉換函數使用。例如，revoscalepy 函數中透過其 transforms 與 transform_function 引數明確定義的字元向量，或透過其 formula 或 row_selection 引數隱含定義的字元向量。 transform_packages 引數也可能是 None，表示並未預先載入 RxOptions.get_option("transform_packages") 以外的任何套件。

transform_environment

不支援。使用者定義的環境，作為內部開發之所有環境的父系且用於變數資料轉換。如果為 transform_environment = None，則會改用具有父系 revoscalepy.baseenv 的新「雜湊」環境。

blocks_per_read

指定要針對從資料來源讀取之每個資料區塊讀取的區塊數目。

report_progress

指定資料列處理進度報告層級的整數值：

0：未報告進度。
1：已列印和更新處理的資料列數目。
2：報告已處理的資料列數目與時間。
3：報告已處理的資料列數與所有時間。

verbose

指定所需輸出數量的整數值。若為 0，則計算期間不會列印任何詳細資訊輸出。整數值 1 到 4 提供越來越多的資訊量。

compute_context

設定執行計算的內容，以有效的 revoscalepy.RxComputeContext 指定。目前支援本機和 revoscalepy.RxSpark 計算內容。指定 revoscalepy.RxSpark 時，會以分散式方式完成模型的定型，並在本機完成集成。請注意，計算內容不可為非等待中。

傳回

具有已定型集成模型的 rx_ensemble 物件。