FastTreeRegressionFeaturizationEstimator Sınıf
Tanım
Önemli
Bazı bilgiler ürünün ön sürümüyle ilgilidir ve sürüm öncesinde önemli değişiklikler yapılmış olabilir. Burada verilen bilgilerle ilgili olarak Microsoft açık veya zımni hiçbir garanti vermez.
Giriş IEstimator<TTransformer> özelliği vektörünü ağaç tabanlı özelliklere dönüştürmek için A.
public sealed class FastTreeRegressionFeaturizationEstimator : Microsoft.ML.Trainers.FastTree.TreeEnsembleFeaturizationEstimatorBasetype FastTreeRegressionFeaturizationEstimator = class
inherit TreeEnsembleFeaturizationEstimatorBasePublic NotInheritable Class FastTreeRegressionFeaturizationEstimator
Inherits TreeEnsembleFeaturizationEstimatorBase- Devralma
Açıklamalar
Giriş ve Çıkış Sütunları
Giriş etiketi sütun verileri olmalıdır Single. Giriş özellikleri sütun verileri bilinen boyutlu bir vektör Singleolmalıdır.
Bu tahmin aracı aşağıdaki sütunların çıkışını oluşturur:
| Çıkış Sütunu Adı | Sütun Türü | Description |
|---|---|---|
Trees |
Bilinen boyutlu vektör Single | Tüm ağaçların çıkış değerleri. Boyutu, ağaç grubu modelindeki toplam ağaç sayısıyla aynıdır. |
Leaves |
Bilinen boyutlu vektör Single | Giriş özelliği vektörünün içine düştüğü tüm yaprakların kimliklerine 0-1 vektör gösterimi. Boyutu, ağaç grubu modelindeki toplam yaprak sayısıdır. |
Paths |
Bilinen boyutlu vektör Single | Giriş özelliği vektörlerinin yapraklara ulaşmak için geçtiği yollara 0-1 vektör gösterimi. Boyutu, ağaç grubu modelindeki yaprak olmayan düğümlerin sayısıdır. |
Bu çıkış sütunlarının tümü isteğe bağlıdır ve kullanıcı adlarını değiştirebilir. Oluşturulmayacak şekilde atlanan sütunların adlarını null olarak ayarlayın.
Tahmin Ayrıntıları
Bu tahmin aracı, bir ağaç grubu modelinden birkaç çıkış sütunu oluşturur. Modelin yalnızca bir karar ağacı içerdiğini varsayalım:
Node 0
/ \
/ \
/ \
/ \
Node 1 Node 2
/ \ / \
/ \ / \
/ \ Leaf -3 Node 3
Leaf -1 Leaf -2 / \
/ \
Leaf -4 Leaf -5
Giriş özelliği vektörunun içine Leaf -1düştüğünü varsayalım. Çıkış Trees , tek değerin tarafından Leaf -1taşınan karar değeri olduğu 1 öğeli bir vektör olabilir. Çıkış Leaves bir 0-1 vektördür. Ulaşılan yaprak ağaçtaki $i$-th ($-(i+1)$ ile dizinlenmişse, ağaçtaki ilk yaprak ) yaprak ise Leaf -1içindeki $i$-th değeri Leaves 1, diğer tüm değerler 0 olur. Çıkış Paths , yaprak ulaşmadan önce geçirilen düğümlerin 0-1 gösterimidir. içindeki Paths $i$-th öğesi, $i$-th düğümüne ($i$ ile dizinlenmiş) dokunulduğunu gösterir.
Örneğin, Leaf -1 sonucu $[1, 1, 0, 0]$ olarak alır Paths. Birden çok ağaç varsa, bu tahmin aracı tüm ağaçlardan 'leri, Leaves'Pathsleri birleştirir Trees(ilk ağacın bilgileri birleştirilmiş vektörlerde önce gelir).
Kullanım örneklerinin bağlantıları için Ayrıca Bkz. bölümüne bakın.
Yöntemler
| Fit(IDataView) |
içinde adlı InputColumnName |
| GetOutputSchema(SchemaShape) |
PretrainedTreeFeaturizationEstimator içine |
Uzantı Metotları
| AppendCacheCheckpoint<TTrans>(IEstimator<TTrans>, IHostEnvironment) |
Tahmin aracı zincirine bir 'önbelleğe alma denetim noktası' ekler. Bu, aşağı akış tahmincilerinin önbelleğe alınan verilere karşı eğitilmesini sağlar. Birden çok veri geçişi alan eğitmenlerden önce bir önbelleğe alma denetim noktası olması yararlıdır. |
| WithOnFitDelegate<TTransformer>(IEstimator<TTransformer>, Action<TTransformer>) |
Tahmin aracı verildiğinde, çağrıldıktan sonra Fit(IDataView) temsilci çağıracak bir sarmalama nesnesi döndürün. Tahmin aracının neyin uygun olduğu hakkında bilgi döndürmesi genellikle önemlidir. Bu nedenle Fit(IDataView) yöntem yalnızca genel ITransformerbir nesne yerine özel olarak yazılan bir nesne döndürür. Bununla birlikte, aynı zamanda, IEstimator<TTransformer> genellikle birçok nesneye sahip işlem hatları halinde oluşturulur, bu nedenle transformatör almak istediğimiz tahmin aracının EstimatorChain<TLastTransformer> bu zincirde bir yere gömülü olduğu bir tahmin aracı zinciri oluşturmamız gerekebilir. Bu senaryo için, bu yöntem aracılığıyla sığdır çağrıldıktan sonra çağrılacak bir temsilci ekleyebiliriz. |