FastForestOptionsBase Třída
Definice
Důležité
Některé informace platí pro předběžně vydaný produkt, který se může zásadně změnit, než ho výrobce nebo autor vydá. Microsoft neposkytuje žádné záruky, výslovné ani předpokládané, týkající se zde uváděných informací.
Základní třída pro možnosti rychlého lesního trenéra.
public abstract class FastForestOptionsBase : Microsoft.ML.Trainers.FastTree.TreeOptionstype FastForestOptionsBase = class
inherit TreeOptionsPublic MustInherit Class FastForestOptionsBase
Inherits TreeOptions- Dědičnost
- Odvozené
Pole
| AllowEmptyTrees |
Pokud rozdělení kořene není možné, povolte trénování pokračovat. (Zděděno od TreeOptions) |
| BaggingExampleFraction |
Procento trénovacích příkladů použitých v každém sáčku Výchozí hodnota je 0,7 (70 %). (Zděděno od TreeOptions) |
| BaggingSize |
Počet stromů v každém sáčku (0 pro zakázání pytlování) (Zděděno od TreeOptions) |
| Bias |
Předpojatost pro výpočet přechodu pro každou přihrádku funkce pro kategorickou funkci (Zděděno od TreeOptions) |
| Bundling |
Svazky s nízkým počtem přihrádek. Bundle.None(0): no bundling, Bundle.AggregateLowPopulation(1): Bundle low population, Bundle.Adjacent(2): Neighbor low population bundle. (Zděděno od TreeOptions) |
| CategoricalSplit |
Zda se má provést rozdělení na základě více hodnot funkcí kategorií. (Zděděno od TreeOptions) |
| CompressEnsemble |
Komprimujte stromOvý soubor. (Zděděno od TreeOptions) |
| DiskTranspose |
Jestli se má při provádění transpozice využít disk nebo nativní transpozice dat (pokud je to možné). (Zděděno od TreeOptions) |
| EntropyCoefficient |
Koeficient entropie (regularizace) mezi 0 a 1. (Zděděno od TreeOptions) |
| ExampleWeightColumnName |
Sloupec, který se použije například pro tloušťku. (Zděděno od TrainerInputBaseWithWeight) |
| ExecutionTime |
Vytiskněte rozpis doby provádění do ML.NET kanálu. (Zděděno od TreeOptions) |
| FeatureColumnName |
Sloupec, který se má použít pro funkce. (Zděděno od TrainerInputBase) |
| FeatureFirstUsePenalty |
Funkce nejprve použije sankční koeficient. (Zděděno od TreeOptions) |
| FeatureFlocks |
Zda se mají během přípravy datové sady shromažďovat funkce, aby se urychlila trénování. (Zděděno od TreeOptions) |
| FeatureFraction |
Zlomek funkcí (vybraných náhodně), které se mají použít při každé iteraci. Pokud potřebujete jenom 90 % funkcí, použijte 0,9. Nižší čísla pomáhají snížit nadměrnou montáž. (Zděděno od TreeOptions) |
| FeatureFractionPerSplit |
Zlomek funkcí (vybraných náhodně), který se má použít při každém rozdělení. Pokud je hodnota 0,9, 90 % všech funkcí by se v očekávání vynechalo. (Zděděno od TreeOptions) |
| FeatureReusePenalty |
Koeficient opětovného použití funkce (regularizace). (Zděděno od TreeOptions) |
| FeatureSelectionSeed |
Počáteční hodnota výběru aktivní funkce. (Zděděno od TreeOptions) |
| GainConfidenceLevel |
Stromové fitinky získat jistotu požadavek. Zisk zvažte pouze v případě, že jeho pravděpodobnost versus náhodný zisk volby je vyšší než tato hodnota. (Zděděno od TreeOptions) |
| HistogramPoolSize |
Počet histogramů ve fondu (mezi 2 a numLeaves) (Zděděno od TreeOptions) |
| LabelColumnName |
Sloupec, který se má použít pro popisky. (Zděděno od TrainerInputBaseWithLabel) |
| MaximumBinCountPerFeature |
Maximální počet jedinečných hodnot (přihrádek) na funkci (Zděděno od TreeOptions) |
| MaximumCategoricalGroupCountPerNode |
Maximální počet kategorických skupin rozdělení, které je potřeba vzít v úvahu při rozdělení u funkce kategorií. Rozdělené skupiny jsou kolekcí bodů rozdělení. To se používá ke snížení přeurčení, pokud existuje mnoho funkcí kategorií. (Zděděno od TreeOptions) |
| MaximumCategoricalSplitPointCount |
Maximální počet bodů rozdělení kategorií, které je potřeba vzít v úvahu při dělení u funkce kategorií. (Zděděno od TreeOptions) |
| MemoryStatistics |
Vytiskněte statistiku paměti do ML.NET kanálu. (Zděděno od TreeOptions) |
| MinimumExampleCountPerLeaf |
Minimální počet datových bodů potřebných k vytvoření nového stromového listu. (Zděděno od TreeOptions) |
| MinimumExampleFractionForCategoricalSplit |
Minimální procento příkladu kategorií v intervalu, které je potřeba zvážit pro rozdělení. Výchozí hodnota je 0,1 % všech trénovacích příkladů. (Zděděno od TreeOptions) |
| MinimumExamplesForCategoricalSplit |
Minimální počet příkladů kategorií v intervalu, který je potřeba zvážit pro rozdělení. (Zděděno od TreeOptions) |
| NumberOfLeaves |
Maximální počet listů v každém regresním stromu. (Zděděno od TreeOptions) |
| NumberOfQuantileSamples |
Počet datových bodů, které se mají z každého listu vzorkovat, aby se zjistilo rozdělení popisků. |
| NumberOfThreads |
Počet vláken, která se mají použít. (Zděděno od TreeOptions) |
| NumberOfTrees |
Celkový počet rozhodovacích stromů, které se mají vytvořit v souboru. (Zděděno od TreeOptions) |
| RowGroupColumnName |
Sloupec, který se použije jako příklad groupId. (Zděděno od TrainerInputBaseWithGroupId) |
| Seed |
Počáteční hodnota generátoru náhodných čísel. (Zděděno od TreeOptions) |
| Smoothing |
Parametr vyhlazování pro regularizaci stromu (Zděděno od TreeOptions) |
| SoftmaxTemperature |
Teplota náhodného rozdělení softmax pro výběr funkce. (Zděděno od TreeOptions) |
| SparsifyThreshold |
Úroveň sparsity potřebná k použití řídké reprezentace funkcí. (Zděděno od TreeOptions) |
| TestFrequency |
Vypočítejte hodnoty metrik pro trénování/platné/test každé kolo k. (Zděděno od TreeOptions) |