Microsoft.ML.Trainers.FastTree Пространство имен

Варианты повышения уровня древовидного обучения.

Пространство имен, содержащее обучающие средства, параметры модели и служебные программы для алгоритмов быстрого дерева.

Последовательная потеря общего характера (UP).

Пространство имен, содержащее обучающие средства, параметры модели и служебные программы для алгоритмов быстрого дерева.

Правило ранней остановки, используемое для завершения процесса обучения после выполнения указанного критерия. Используется для параметра EarlyStoppingRuleEarlyStoppingRule.

Преобразование IEstimator<TTransformer> вектора входных признаков в древовидную функцию.

Параметры для FastForestBinaryFeaturizationEstimator.

Параметры модели для FastForestBinaryTrainer.

Обучение IEstimator<TTransformer> модели двоичной классификации дерева принятия решений с помощью Fast Forest.

Параметры, FastForestBinaryTrainer используемые в FastForest(Options).

Базовый класс для параметров быстрого обучения леса.

Преобразование IEstimator<TTransformer> вектора входных признаков в древовидную функцию.

Параметры для FastForestRegressionFeaturizationEstimator.

Параметры модели для FastForestRegressionTrainer.

Для IEstimator<TTransformer> обучения модели регрессии дерева принятия решений с помощью Fast Forest.

Параметры, FastForestRegressionTrainer используемые в FastForest(Options).

Преобразование IEstimator<TTransformer> вектора входных признаков в древовидную функцию.

Параметры для FastTreeBinaryFeaturizationEstimator.

Параметры модели для FastTreeBinaryTrainer.

Обучение IEstimator<TTransformer> модели двоичной классификации дерева принятия решений с помощью FastTree.

Параметры, FastTreeBinaryTrainer используемые в FastTree(Options).

Преобразование IEstimator<TTransformer> вектора входных признаков в древовидную функцию.

Параметры для FastTreeRankingFeaturizationEstimator.

Параметры модели для FastTreeRankingTrainer.

Обучение IEstimator<TTransformer> модели ранжирования дерева принятия решений с помощью FastTree.

Параметры, FastTreeRankingTrainer используемые в FastTree(Options).

Преобразование IEstimator<TTransformer> вектора входных признаков в древовидную функцию.

Параметры для FastTreeRegressionFeaturizationEstimator.

Параметры модели для FastForestRegressionTrainer.

Для IEstimator<TTransformer> обучения модели регрессии дерева принятия решений с помощью FastTree.

Параметры, FastTreeRegressionTrainer используемые в FastTree(Options).

Пространство имен, содержащее обучающие средства, параметры модели и служебные программы для алгоритмов быстрого дерева.

Преобразование IEstimator<TTransformer> вектора входных признаков в древовидную функцию.

Параметры для FastTreeTweedieFeaturizationEstimator.

Параметры модели для FastTreeTweedieTrainer.

Для IEstimator<TTransformer> обучения модели регрессии дерева принятия решений с помощью функции потери Tweedie. Этот тренер представляет собой обобщение Poisson, составной Пуассон и гамма-регрессию.

Параметры для FastTreeTweedieTrainer использования в FastTreeTweedie(Options).

Параметры модели для GamBinaryTrainer.

Обучение IEstimator<TTransformer> модели двоичной классификации с помощью обобщенных аддитивных моделей (GAM).

Параметры для параметров, используемых GamBinaryTrainer в Gam(Options).

Базовый класс для параметров модели GAM.

Параметры модели для GamRegressionTrainer.

Обучение IEstimator<TTransformer> модели регрессии с помощью обобщенных аддитивных моделей (GAM).

Параметры для параметров, используемых GamRegressionTrainer в Gam(Options).

Базовый класс для параметров обучения на основе GAM.

Базовый класс для тренеров GAM.

Потеря общего характера (GL).

Общее отношение к ходу выполнения (PQ).

Низкий ход выполнения (LP). Это правило срабатывает, когда улучшения на стойло оценки.

Пространство имен, содержащее обучающие средства, параметры модели и служебные программы для алгоритмов быстрого дерева.

Объект, IEstimator<TTransformer> содержащий предварительно обученный и вызывающий егоFit(IDataView), создает признакизатор на основе предварительно обученной TreeEnsembleModelParameters модели.

PretrainedTreeFeaturizationEstimator.Options , используемый PretrainedTreeFeaturizationEstimator при вызове FeaturizeByPretrainTreeEnsemble(TransformsCatalog, PretrainedTreeFeaturizationEstimator+Options).

Класс контейнера для предоставления Microsoft.ML.Trainers.FastTree.InternalQuantileRegressionTreeпользователям атрибутов. Этот класс не должен быть изменяемым, поэтому он содержит много элементов только для чтения. В дополнение к вещам, унаследованным от RegressionTreeBase, мы добавляем GetLeafSamplesAt(Int32) и GetLeafSampleWeightsAt(Int32) предоставляем (под примеры) метки обучения, падающие в листе leafIndex-th и их вес.

Пространство имен, содержащее обучающие средства, параметры модели и служебные программы для алгоритмов быстрого дерева.

Пространство имен, содержащее обучающие средства, параметры модели и служебные программы для алгоритмов быстрого дерева.

Класс контейнера для предоставления Microsoft.ML.Trainers.FastTree.InternalRegressionTreeпользователям атрибутов. Этот класс не должен быть изменяемым, поэтому он содержит много элементов только для чтения. Обратите внимание, что RegressionTree они идентичны RegressionTreeBase , но в другом производном классе QuantileRegressionTree добавляются некоторые атрибуты.

Базовый класс контейнера для предоставления Microsoft.ML.Trainers.FastTree.InternalRegressionTreeпользователям атрибутов и Microsoft.ML.Trainers.FastTree.InternalQuantileRegressionTreeатрибутов. Этот класс не должен быть изменяемым, поэтому он содержит много элементов только для чтения.

Пространство имен, содержащее обучающие средства, параметры модели и служебные программы для алгоритмов быстрого дерева.

Пространство имен, содержащее обучающие средства, параметры модели и служебные программы для алгоритмов быстрого дерева.

Список производного RegressionTreeBaseкласса. Чтобы вычислить выходное значение объекта TreeEnsemble<T>, необходимо вычислить выходные значения всех деревьев Trees, масштабировать эти значения с помощью TreeWeightsи, наконец, суммировать масштабируемые значения и Bias вверх.

Этот класс инкапсулирует общее поведение всех признаков на основе деревьев, таких как FastTreeBinaryFeaturizationEstimator, , FastForestBinaryFeaturizationEstimator, FastTreeRegressionFeaturizationEstimatorи FastForestRegressionFeaturizationEstimatorPretrainedTreeFeaturizationEstimator. Все создатели признаков на основе дерева используют одну и ту же схему вывода, вычисленную с помощью GetOutputSchema(SchemaShape). Для всех обработчиков признаков на основе дерева требуется имя столбца входных компонентов и суффикс для всех выходных столбцов. Возвращаемый ITransformerFit(IDataView) результатом создает три столбца: (1) прогнозирующие значения всех деревьев, (2) идентификаторы выходного вектора признаков попадают в и (3) двоичный вектор, который кодирует пути к этим конечным листьям.

Распространенные варианты признаков на основе дерева, такие как FastTreeBinaryFeaturizationEstimator, , FastForestBinaryFeaturizationEstimator, FastTreeRegressionFeaturizationEstimatorFastForestRegressionFeaturizationEstimatorи PretrainedTreeFeaturizationEstimator.

ITransformer результатом установки любого производного TreeEnsembleFeaturizationEstimatorBaseкласса . Производные классы включают, например, FastTreeBinaryFeaturizationEstimator и FastForestRegressionFeaturizationEstimator.

Пространство имен, содержащее обучающие средства, параметры модели и служебные программы для алгоритмов быстрого дерева.

TreeEnsembleModelParametersBasedOnQuantileRegressionTree является производным от TreeEnsembleModelParameters строго типизированного открытого атрибута для TrainedTreeEnsembleпредоставления пользователям сведений обученной модели. Ее функция Microsoft.ML.Trainers.FastTree.TreeEnsembleModelParametersBasedOnQuantileRegressionTree.CreateTreeEnsembleFromInternalDataStructure, вызывается для создания TrainedTreeEnsemble внутри TreeEnsembleModelParameters. Обратите внимание, что основное различие между TreeEnsembleModelParametersBasedOnQuantileRegressionTree типом TreeEnsembleModelParametersBasedOnRegressionTree и типом TrainedTreeEnsemble.

TreeEnsembleModelParametersBasedOnRegressionTree является производным от TreeEnsembleModelParameters строго типизированного открытого атрибута для TrainedTreeEnsembleпредоставления пользователям сведений обученной модели. Ее функция Microsoft.ML.Trainers.FastTree.TreeEnsembleModelParametersBasedOnRegressionTree.CreateTreeEnsembleFromInternalDataStructure, вызывается для создания TrainedTreeEnsemble внутри TreeEnsembleModelParameters. Обратите внимание, что основное различие между TreeEnsembleModelParametersBasedOnQuantileRegressionTree типом TreeEnsembleModelParametersBasedOnRegressionTree и типом TrainedTreeEnsemble.

Параметры для обучающих деревьев.

Типы алгоритмов оптимизации.

Пространство имен, содержащее обучающие средства, параметры модели и служебные программы для алгоритмов быстрого дерева.

Остановка измерений для классификации и регрессии.

Остановка измерений для ранжирования.