TreeEnsembleModelParametersBasedOnQuantileRegressionTree Třída

Definice

Obor názvů:

Microsoft.ML.Trainers.FastTree

Sestavení:

Microsoft.ML.FastTree.dll

Balíček:

Microsoft.ML.FastTree v3.0.1

TreeEnsembleModelParametersBasedOnQuantileRegressionTree je odvozen od TreeEnsembleModelParameters plus silného veřejného atributu , TrainedTreeEnsemblepro zveřejnění podrobností trénovaného modelu uživatelům. Jeho funkce , Microsoft.ML.Trainers.FastTree.TreeEnsembleModelParametersBasedOnQuantileRegressionTree.CreateTreeEnsembleFromInternalDataStructureje volána k vytvoření TrainedTreeEnsemble uvnitř TreeEnsembleModelParameters. Všimněte si, že hlavní rozdíl mezi TreeEnsembleModelParametersBasedOnQuantileRegressionTree a TreeEnsembleModelParametersBasedOnRegressionTree je typem TrainedTreeEnsemble.

public abstract class TreeEnsembleModelParametersBasedOnQuantileRegressionTree : Microsoft.ML.Trainers.FastTree.TreeEnsembleModelParameters

type TreeEnsembleModelParametersBasedOnQuantileRegressionTree = class
    inherit TreeEnsembleModelParameters

Public MustInherit Class TreeEnsembleModelParametersBasedOnQuantileRegressionTree
Inherits TreeEnsembleModelParameters

Dědičnost

Object

ModelParametersBase<Single>

TreeEnsembleModelParameters

TreeEnsembleModelParametersBasedOnQuantileRegressionTree

Odvozené

Microsoft.ML.Trainers.FastTree.FastForestBinaryModelParameters

Microsoft.ML.Trainers.FastTree.FastForestRegressionModelParameters

Vlastnosti

TrainedTreeEnsemble

Soubor stromů vystavených uživatelům. Je to obálka na internalMicrosoft.ML.Trainers.FastTree.InternalTreeEnsemble in TreeEnsemble<T>.

Metody

GetFeatureWeights(VBuffer<Single>)

Získejte kumulativní zisky rozdělení pro každou funkci napříč všemi stromy. (Zděděno od TreeEnsembleModelParameters)

Explicitní implementace rozhraní

ICalculateFeatureContribution.FeatureContributionCalculator

Slouží k určení příspěvku jednotlivých funkcí k skóre příkladu podle FeatureContributionCalculatingTransformer. Výpočet příspěvku funkce se v podstatě skládá z určení rozdělení ve stromu, které má největší vliv na konečné skóre a přiřazení hodnoty dopadu na funkce určující rozdělení. Přesněji řečeno, příspěvek funkce se rovná změně skóre vytvořené prozkoumáním opačného dílčího stromu při každém výskytu rozhodovacího uzlu dané funkce. Zvažte jednoduchý případ s jedním rozhodovacím stromem, který má rozhodovací uzel pro binární funkci F1. Vzhledem k příkladu, který má funkci F1 rovnou true, můžeme vypočítat skóre, které by bylo získáno, pokud bychom zvolili podstrom odpovídající funkci F1, která je rovna false, a přitom zachovat ostatní funkce konstantu. Příspěvek funkce F1 pro daný příklad je rozdíl mezi původním skóre a skóre získaným přijetím opačného rozhodnutí na uzlu odpovídající funkci F1. Tento algoritmus se přirozeně rozšiřuje na modely s mnoha rozhodovacími stromy. (Zděděno od TreeEnsembleModelParameters)

ICanSaveModel.Save(ModelSaveContext)

TreeEnsembleModelParametersBasedOnQuantileRegressionTree je odvozen od TreeEnsembleModelParameters plus silného veřejného atributu , TrainedTreeEnsemblepro zveřejnění podrobností trénovaného modelu uživatelům. Jeho funkce , Microsoft.ML.Trainers.FastTree.TreeEnsembleModelParametersBasedOnQuantileRegressionTree.CreateTreeEnsembleFromInternalDataStructureje volána k vytvoření TrainedTreeEnsemble uvnitř TreeEnsembleModelParameters. Všimněte si, že hlavní rozdíl mezi TreeEnsembleModelParametersBasedOnQuantileRegressionTree a TreeEnsembleModelParametersBasedOnRegressionTree je typem TrainedTreeEnsemble. (Zděděno od ModelParametersBase<TOutput>)