FastTreeRankingModelParameters Classe
Definizione
Importante
Alcune informazioni sono relative alla release non definitiva del prodotto, che potrebbe subire modifiche significative prima della release definitiva. Microsoft non riconosce alcuna garanzia, espressa o implicita, in merito alle informazioni qui fornite.
Parametri del modello per FastTreeRankingTrainer.
public sealed class FastTreeRankingModelParameters : Microsoft.ML.Trainers.FastTree.TreeEnsembleModelParametersBasedOnRegressionTreetype FastTreeRankingModelParameters = class
inherit TreeEnsembleModelParametersBasedOnRegressionTreePublic NotInheritable Class FastTreeRankingModelParameters
Inherits TreeEnsembleModelParametersBasedOnRegressionTree- Ereditarietà
-
FastTreeRankingModelParameters
Proprietà
| TrainedTreeEnsemble |
Insieme di alberi esposti agli utenti. È un wrapper sull'oggetto |
Metodi
| GetFeatureWeights(VBuffer<Single>) |
Ottenere i guadagni cumulativi di suddivisione per ogni funzionalità in tutti gli alberi. (Ereditato da TreeEnsembleModelParameters) |
Implementazioni dell'interfaccia esplicita
| ICalculateFeatureContribution.FeatureContributionCalculator |
Usato per determinare il contributo di ogni funzionalità al punteggio di un esempio da FeatureContributionCalculatingTransformer. Il calcolo del contributo della funzionalità consiste essenzialmente nella determinazione delle suddivisioni nell'albero che hanno l'impatto maggiore sul punteggio finale e assegna il valore dell'impatto alle funzionalità che determinano la divisione. Più precisamente, il contributo di una funzionalità è uguale alla modifica del punteggio prodotto dall'esplorazione dell'albero secondario opposto ogni volta che viene rilevato un nodo decisionale per la funzionalità specificata. Si consideri un semplice caso con un singolo albero delle decisioni con un nodo decisionale per la funzionalità binaria F1. Dato un esempio con funzionalità F1 uguale a true, è possibile calcolare il punteggio ottenuto se si sceglie il sottoalbero corrispondente alla funzionalità F1 uguale a false mantenendo la costante delle altre funzionalità. Il contributo della funzionalità F1 per l'esempio specificato è la differenza tra il punteggio originale e il punteggio ottenuto prendendo la decisione opposta nel nodo corrispondente alla caratteristica F1. Questo algoritmo si estende naturalmente ai modelli con molti alberi decisionali. (Ereditato da TreeEnsembleModelParameters) |
| ICanSaveModel.Save(ModelSaveContext) |
Parametri del modello per FastTreeRankingTrainer. (Ereditato da ModelParametersBase<TOutput>) |