FastTreeRankingTrainer.Options Klasse

Definition

Namespace:

Microsoft.ML.Trainers.FastTree

Assembly:

Microsoft.ML.FastTree.dll

Paket:

Microsoft.ML.FastTree v3.0.1

Optionen für, FastTreeRankingTrainer wie in FastTree(Optionen) verwendet.

public sealed class FastTreeRankingTrainer.Options : Microsoft.ML.Trainers.FastTree.BoostedTreeOptions, Microsoft.ML.Runtime.IComponentFactory<Microsoft.ML.ITrainer>

type FastTreeRankingTrainer.Options = class
    inherit BoostedTreeOptions
    interface IComponentFactory<ITrainer>
    interface IComponentFactory

Public NotInheritable Class FastTreeRankingTrainer.Options
Inherits BoostedTreeOptions
Implements IComponentFactory(Of ITrainer)

Vererbung

Object

TrainerInputBase

TrainerInputBaseWithLabel

TrainerInputBaseWithWeight

TrainerInputBaseWithGroupId

TreeOptions

BoostedTreeOptions

FastTreeRankingTrainer.Options

Implementiert

IComponentFactory IComponentFactory<Microsoft.ML.ITrainer>

Konstruktoren

FastTreeRankingTrainer.Options()

Erstellen Sie ein neues FastTreeRankingTrainer.Options Objekt mit Standardwerten.

Felder

AllowEmptyTrees	Wenn eine Stammaufteilung nicht möglich ist, lassen Sie das Training fort. (Geerbt von TreeOptions)
BaggingExampleFraction	Prozentsatz der Trainingsbeispiele, die in jeder Tasche verwendet werden. Der Standardwert ist 0,7 (70 %). (Geerbt von TreeOptions)
BaggingSize	Anzahl der Strukturen in jeder Tasche (0 zum Deaktivieren des Absackens). (Geerbt von TreeOptions)
BestStepRankingRegressionTrees	Option für die Verwendung der besten Regressionsschrittstrukturen. (Geerbt von BoostedTreeOptions)
Bias	Bias zum Berechnen des Farbverlaufs für jeden Featurebehälter für ein kategorisches Feature. (Geerbt von TreeOptions)
Bundling	Bündeln Sie Behälter mit geringer Anzahl. Bundle.None(0): keine Bündelung, Bundle.AggregateLowPopulation(1): Bundle low population, Bundle.Adjacent(2): Neighbor low population bundle. (Geerbt von TreeOptions)
CategoricalSplit	Gibt an, ob eine Aufteilung basierend auf mehreren kategorischen Featurewerten durchgeführt werden soll. (Geerbt von TreeOptions)
CompressEnsemble	Komprimieren Sie das Strukturensemble. (Geerbt von TreeOptions)
CustomGains	Durch Trennzeichen getrennte Liste der Gewinne, die den einzelnen Relevanzbezeichnungen zugeordnet sind.
DiskTranspose	Gibt an, ob der Datenträger oder die nativen Umsetzungsmöglichkeiten der Daten (sofern zutreffend) verwendet werden sollen, wenn die Transponierung durchgeführt wird. (Geerbt von TreeOptions)
DropoutRate	Abbruchrate für die Strukturermäßigung. (Geerbt von BoostedTreeOptions)
EnablePruning	Aktivieren Sie die Strukturbereinigung nach dem Training, um eine Überanpassung zu vermeiden. Es ist ein Validierungssatz erforderlich. (Geerbt von BoostedTreeOptions)
EntropyCoefficient	Der Entropiekoeffizienten (Regularisierung) zwischen 0 und 1. (Geerbt von TreeOptions)
ExampleWeightColumnName	Spalte, die als Beispielgewichtung verwendet werden soll. (Geerbt von TrainerInputBaseWithWeight)
ExecutionTime	Aufschlüsselung der Druckausführungszeit in ML.NET Kanal. (Geerbt von TreeOptions)
FeatureColumnName	Spalte, die für Features verwendet werden soll. (Geerbt von TrainerInputBase)
FeatureFirstUsePenalty	Das Feature verwendet zuerst den Strafkoeffizienten. (Geerbt von TreeOptions)
FeatureFlocks	Gibt an, ob Features während der Datasetvorbereitung gesammelt werden sollen, um das Training zu beschleunigen. (Geerbt von TreeOptions)
FeatureFraction	Der Anteil der Features (zufällig ausgewählt), die bei jeder Iteration verwendet werden sollen. Verwenden Sie 0,9, wenn nur 90 % der Features benötigt werden. Niedrigere Zahlen tragen dazu bei, die Überanpassung zu reduzieren. (Geerbt von TreeOptions)
FeatureFractionPerSplit	Der Anteil der Features (zufällig ausgewählt), die bei jeder Aufteilung verwendet werden sollen. Wenn der Wert 0,9 ist, würden 90 % aller Features in Erwartung gelöscht. (Geerbt von TreeOptions)
FeatureReusePenalty	Der Koeffizienten für die Wiederverwendung von Strafen (Regularisierung). (Geerbt von TreeOptions)
FeatureSelectionSeed	Der Startwert der aktiven Featureauswahl. (Geerbt von TreeOptions)
FilterZeroLambdas	Filtern Von 0 Lambdas während des Trainings. (Geerbt von BoostedTreeOptions)
GainConfidenceLevel	Strukturanpassung gewinnt Vertrauensanforderung. Berücksichtigen Sie nur einen Gewinn, wenn seine Wahrscheinlichkeit im Vergleich zu einem zufälligen Auswahlgewinn über diesem Wert liegt. (Geerbt von TreeOptions)
GetDerivativesSampleRate	Beispielen Sie jede Abfrage 1 in k in der GetDerivatives-Funktion. (Geerbt von BoostedTreeOptions)
HistogramPoolSize	Die Anzahl der Histogramme im Pool (zwischen 2 und NumLeaves). (Geerbt von TreeOptions)
LabelColumnName	Spalte, die für Bezeichnungen verwendet werden soll. (Geerbt von TrainerInputBaseWithLabel)
LearningRate	Die Lernrate. (Geerbt von BoostedTreeOptions)
MaximumBinCountPerFeature	Maximale Anzahl unterschiedlicher Werte (Bins) pro Feature. (Geerbt von TreeOptions)
MaximumCategoricalGroupCountPerNode	Maximale kategoriebezogene Aufteilung von Gruppen, die beim Aufteilen für ein kategorisches Feature berücksichtigt werden müssen. Geteilte Gruppen sind eine Sammlung von geteilten Punkten. Dies wird verwendet, um die Überanpassung zu reduzieren, wenn viele kategorische Features vorhanden sind. (Geerbt von TreeOptions)
MaximumCategoricalSplitPointCount	Maximal zu berücksichtigende kategorische Teilungspunkte bei der Aufteilung für ein kategorisches Feature. (Geerbt von TreeOptions)
MaximumNumberOfLineSearchSteps	Anzahl der Suchschritte nach Klammern. (Geerbt von BoostedTreeOptions)
MaximumTreeOutput	Obere Grenze für den absoluten Wert der Ausgabe einer einzelnen Struktur. (Geerbt von BoostedTreeOptions)
MemoryStatistics	Drucken von Speicherstatistiken in ML.NET Kanal. (Geerbt von TreeOptions)
MinimumExampleCountPerLeaf	Die minimale Anzahl von Datenpunkten, die zum Bilden eines neuen Strukturblatts erforderlich sind. (Geerbt von TreeOptions)
MinimumExampleFractionForCategoricalSplit	Minimaler kategorischer Beispielprozentsatz in einem Behälter, der für eine Aufteilung berücksichtigt werden soll. Der Standardwert ist 0,1 % aller Trainingsbeispiele. (Geerbt von TreeOptions)
MinimumExamplesForCategoricalSplit	Minimale kategorische Beispielanzahl in einem Behälter, der für eine Aufteilung berücksichtigt werden soll. (Geerbt von TreeOptions)
MinimumStepSize	Minimale Zeilensuchschrittgröße. (Geerbt von BoostedTreeOptions)
NdcgTruncationLevel	Die maximale NDCG-Abschneidung, die im LambdaMAR-Algorithmus verwendet werden soll.
NumberOfLeaves	Die maximale Anzahl von Blättern in jeder Regressionsstruktur. (Geerbt von TreeOptions)
NumberOfThreads	Die Anzahl der zu verwendenden Threads. (Geerbt von TreeOptions)
NumberOfTrees	Gesamtanzahl der Entscheidungsstrukturen, die im Ensemble erstellt werden sollen. (Geerbt von TreeOptions)
OptimizationAlgorithm	Zu verwendende Optimierungsalgorithmus. (Geerbt von BoostedTreeOptions)
PruningThreshold	Der Toleranzschwellenwert für die Beschneidung. (Geerbt von BoostedTreeOptions)
PruningWindowSize	Die größe des verschiebten Fensters für die Beschneidung. (Geerbt von BoostedTreeOptions)
RandomStart	Das Training beginnt mit der zufälligen Reihenfolge (bestimmt durch /r1). (Geerbt von BoostedTreeOptions)
RowGroupColumnName	Zu verwendende Spalte, z. B. groupId. (Geerbt von TrainerInputBaseWithGroupId)
Seed	Der Startwert des Zufallszahlengenerators. (Geerbt von TreeOptions)
Shrinkage	Schrumpfung. (Geerbt von BoostedTreeOptions)
Smoothing	Glättungsparameter für die Regularisierung der Struktur. (Geerbt von TreeOptions)
SoftmaxTemperature	Die Temperatur der randomisierten Softmax-Verteilung für die Auswahl des Features. (Geerbt von TreeOptions)
SparsifyThreshold	Sparsity level erforderlich, um die Darstellung von Sparsefeatures zu verwenden. (Geerbt von TreeOptions)
TestFrequency	Berechnen Sie Metrikwerte für train/valid/test every k rounds. (Geerbt von TreeOptions)
UseDcg	Gibt an, ob mithilfe von discounted cumulative gain (DCG) anstelle von normalisierten DCG (NDCG) trainiert werden soll.
UseLineSearch	Bestimmt, ob die Zeilensuche für eine Schrittgröße verwendet werden soll. (Geerbt von BoostedTreeOptions)
UseTolerantPruning	Verwenden Sie Fenster und Toleranz für die Beschneidung. (Geerbt von BoostedTreeOptions)
WriteLastEnsemble	Schreiben Sie das letzte Ensemble anstelle des ensembles, das durch frühzeitiges Beenden bestimmt wurde. (Geerbt von BoostedTreeOptions)

Eigenschaften

EarlyStoppingMetric	Metriken für frühzeitiges Beenden.
EarlyStoppingRule	Die Regel zum vorzeitigen Beenden, die verwendet wird, um den Trainingsprozess zu beenden, sobald ein angegebenes Kriterium erfüllt wurde. Mögliche Optionen sind EarlyStoppingRuleBaseImplementierungen wie TolerantEarlyStoppingRule und GeneralityLossRule. (Geerbt von BoostedTreeOptions)

Explizite Schnittstellenimplementierungen

IComponentFactory<ITrainer>.CreateComponent(IHostEnvironment)

Optionen für, FastTreeRankingTrainer wie in FastTree(Optionen) verwendet.