TreeEnsembleModelParametersBasedOnRegressionTree Classe

Um conjunto de árvores expostas aos usuários. É um wrapper no internalMicrosoft.ML.Trainers.FastTree.InternalTreeEnsemble in TreeEnsemble<T>.

Obtenha os ganhos cumulativos de divisão para cada recurso em todas as árvores.

Usado para determinar a contribuição de cada recurso para a pontuação de um exemplo por FeatureContributionCalculatingTransformer. O cálculo da contribuição do recurso consiste essencialmente em determinar quais divisões na árvore têm mais impacto sobre a pontuação final e atribuir o valor do impacto aos recursos que determinam a divisão. Mais precisamente, a contribuição de um recurso é igual à alteração na pontuação produzida explorando a subconsulta oposta sempre que um nó de decisão para o recurso especificado é encontrado. Considere um caso simples com uma única árvore de decisão que tenha um nó de decisão para o recurso binário F1. Dado um exemplo que tem o recurso F1 igual a true, podemos calcular a pontuação que ele teria obtido se escolhermos a subárvore correspondente ao recurso F1 ser igual a false, mantendo os outros recursos constantes. A contribuição do recurso F1 para o exemplo especificado é a diferença entre a pontuação original e a pontuação obtida tomando a decisão oposta no nó correspondente ao recurso F1. Esse algoritmo se estende naturalmente a modelos com muitas árvores de decisão.

TreeEnsembleModelParametersBasedOnRegressionTree é derivado de TreeEnsembleModelParameters mais um atributo público fortemente tipado, TrainedTreeEnsemblepara expor os detalhes do modelo treinado aos usuários. Sua função, Microsoft.ML.Trainers.FastTree.TreeEnsembleModelParametersBasedOnRegressionTree.CreateTreeEnsembleFromInternalDataStructureé chamada para criar TrainedTreeEnsemble dentro TreeEnsembleModelParameters. Observe que a principal diferença entre TreeEnsembleModelParametersBasedOnQuantileRegressionTree e TreeEnsembleModelParametersBasedOnRegressionTree é o tipo de TrainedTreeEnsemble.