FastForestOptionsBase Clase
Definición
Importante
Parte de la información hace referencia a la versión preliminar del producto, que puede haberse modificado sustancialmente antes de lanzar la versión definitiva. Microsoft no otorga ninguna garantía, explícita o implícita, con respecto a la información proporcionada aquí.
Clase base para opciones rápidas del instructor de bosque.
public abstract class FastForestOptionsBase : Microsoft.ML.Trainers.FastTree.TreeOptionstype FastForestOptionsBase = class
inherit TreeOptionsPublic MustInherit Class FastForestOptionsBase
Inherits TreeOptions- Herencia
- Derivado
Campos
| AllowEmptyTrees |
Cuando una división raíz es imposible, permita que el entrenamiento continúe. (Heredado de TreeOptions) |
| BaggingExampleFraction |
Porcentaje de ejemplos de entrenamiento usados en cada bolsa. El valor predeterminado es 0,7 (70 %). (Heredado de TreeOptions) |
| BaggingSize |
Número de árboles de cada bolsa (0 para deshabilitar el etiquetado). (Heredado de TreeOptions) |
| Bias |
Sesgo para calcular el degradado de cada contenedor de características para una característica de categorías. (Heredado de TreeOptions) |
| Bundling |
Agrupación de cubos de población bajos. Bundle.None(0): sin agrupación, Bundle.AggregateLowPopulation(1): Agrupación baja población, Bundle.Adjacent(2): agrupación baja de población vecina. (Heredado de TreeOptions) |
| CategoricalSplit |
Si se va a dividir en función de varios valores de características de categorías. (Heredado de TreeOptions) |
| CompressEnsemble |
Comprima el conjunto de árbol. (Heredado de TreeOptions) |
| DiskTranspose |
Si se va a utilizar el disco o las instalaciones nativas de adaptación de los datos (si procede) al realizar la transposición. (Heredado de TreeOptions) |
| EntropyCoefficient |
Coeficiente de entropía (regularización) entre 0 y 1. (Heredado de TreeOptions) |
| ExampleWeightColumnName |
Columna que se va a usar, por ejemplo, peso. (Heredado de TrainerInputBaseWithWeight) |
| ExecutionTime |
Desglose del tiempo de ejecución de impresión en ML.NET canal. (Heredado de TreeOptions) |
| FeatureColumnName |
Columna que se va a usar para las características. (Heredado de TrainerInputBase) |
| FeatureFirstUsePenalty |
Coeficiente de penalización del primer uso de una característica. (Heredado de TreeOptions) |
| FeatureFlocks |
Si se recopilan características durante la preparación del conjunto de datos para acelerar el entrenamiento. (Heredado de TreeOptions) |
| FeatureFraction |
Fracción de características (elegidas aleatoriamente) que se usarán en cada iteración. Use el 0,9 si solo se necesita el 90 % de las características. Los números inferiores ayudan a reducir el sobreajuste. (Heredado de TreeOptions) |
| FeatureFractionPerSplit |
Fracción de características (elegidas aleatoriamente) que se usarán en cada división. Si el valor es 0,9, el 90 % de todas las características se eliminaría en expectativa. (Heredado de TreeOptions) |
| FeatureReusePenalty |
Coeficiente de penalización de uso (regularización) de la característica. (Heredado de TreeOptions) |
| FeatureSelectionSeed |
Inicialización de la selección de características activa. (Heredado de TreeOptions) |
| GainConfidenceLevel |
El ajuste de árbol obtiene un requisito de confianza. Considere solo una ganancia si su probabilidad frente a una ganancia de elección aleatoria está por encima de este valor. (Heredado de TreeOptions) |
| HistogramPoolSize |
Número de histogramas en el grupo (entre 2 y numLeaves). (Heredado de TreeOptions) |
| LabelColumnName |
Columna que se va a usar para las etiquetas. (Heredado de TrainerInputBaseWithLabel) |
| MaximumBinCountPerFeature |
Número máximo de valores distintos (intervalos) por característica. (Heredado de TreeOptions) |
| MaximumCategoricalGroupCountPerNode |
Máximo de grupos de división de categorías que se deben tener en cuenta al dividir en una característica de categorías. Los grupos divididos son una colección de puntos de división. Esto se usa para reducir el sobreajuste cuando hay muchas características categóricas. (Heredado de TreeOptions) |
| MaximumCategoricalSplitPointCount |
Máximo de puntos de división de categorías que se deben tener en cuenta al dividir en una característica de categorías. (Heredado de TreeOptions) |
| MemoryStatistics |
Imprima estadísticas de memoria en ML.NET canal. (Heredado de TreeOptions) |
| MinimumExampleCountPerLeaf |
Número mínimo de puntos de datos necesarios para formar una hoja de árbol nueva. (Heredado de TreeOptions) |
| MinimumExampleFractionForCategoricalSplit |
Porcentaje mínimo de ejemplo de categorías en un contenedor que se debe tener en cuenta para una división. El valor predeterminado es el 0,1 % de todos los ejemplos de entrenamiento. (Heredado de TreeOptions) |
| MinimumExamplesForCategoricalSplit |
Recuento mínimo de ejemplo de categorías en un contenedor que se debe tener en cuenta para una división. (Heredado de TreeOptions) |
| NumberOfLeaves |
Número máximo de hojas en cada árbol de regresión. (Heredado de TreeOptions) |
| NumberOfQuantileSamples |
Número de puntos de datos que se van a muestrear de cada hoja para buscar la distribución de etiquetas. |
| NumberOfThreads |
El número de subprocesos que se va a usar. (Heredado de TreeOptions) |
| NumberOfTrees |
Número total de árboles de decisión que se van a crear en el conjunto. (Heredado de TreeOptions) |
| RowGroupColumnName |
Columna que se va a usar por ejemplo groupId. (Heredado de TrainerInputBaseWithGroupId) |
| Seed |
Inicialización del generador de números aleatorios. (Heredado de TreeOptions) |
| Smoothing |
Parámetro de suavizado para la regularización de árboles. (Heredado de TreeOptions) |
| SoftmaxTemperature |
Temperatura de la distribución softmax aleatoria para elegir la característica. (Heredado de TreeOptions) |
| SparsifyThreshold |
Nivel de dispersión necesario para usar la representación de características dispersas. (Heredado de TreeOptions) |
| TestFrequency |
Calcule los valores de métricas para entrenar, validar o probar cada k rounds. (Heredado de TreeOptions) |