FastForestOptionsBase Classe

Définition

Espace de noms:

Microsoft.ML.Trainers.FastTree

Assembly:

Microsoft.ML.FastTree.dll

Paquet:

Microsoft.ML.FastTree v3.0.1

Classe de base pour les options d’entraînement de forêt rapide.

public abstract class FastForestOptionsBase : Microsoft.ML.Trainers.FastTree.TreeOptions

type FastForestOptionsBase = class
    inherit TreeOptions

Public MustInherit Class FastForestOptionsBase
Inherits TreeOptions

Héritage

Object

TrainerInputBase

TrainerInputBaseWithLabel

TrainerInputBaseWithWeight

TrainerInputBaseWithGroupId

TreeOptions

FastForestOptionsBase

Dérivé

Microsoft.ML.Trainers.FastTree.FastForestBinaryTrainer.Options

Microsoft.ML.Trainers.FastTree.FastForestRegressionTrainer.Options

Champs

AllowEmptyTrees	Lorsqu’un fractionnement racine est impossible, autorisez l’entraînement à continuer. (Hérité de TreeOptions)
BaggingExampleFraction	Pourcentage d’exemples d’entraînement utilisés dans chaque sac. La valeur par défaut est 0,7 (70 %). (Hérité de TreeOptions)
BaggingSize	Nombre d’arborescences dans chaque sac (0 pour la désactivation de l’ensachage). (Hérité de TreeOptions)
Bias	Biais pour le calcul du gradient pour chaque compartiment de fonctionnalités pour une fonctionnalité catégorielle. (Hérité de TreeOptions)
Bundling	Regroupez des bacs à faible population. Bundle.None(0) : pas de regroupement, Bundle.AggregateLowPopulation(1) : Group faible population, Bundle.Adjacent(2) : lot de population faible voisin. (Hérité de TreeOptions)
CategoricalSplit	S’il faut effectuer un fractionnement en fonction de plusieurs valeurs de caractéristiques catégorielles. (Hérité de TreeOptions)
CompressEnsemble	Compressez l’ensemble d’arborescences. (Hérité de TreeOptions)
DiskTranspose	S’il faut utiliser le disque ou les fonctionnalités de transposition natives des données (le cas échéant) lors de l’exécution de la transposition. (Hérité de TreeOptions)
EntropyCoefficient	Coefficient d’entropie (régularisation) compris entre 0 et 1. (Hérité de TreeOptions)
ExampleWeightColumnName	Colonne à utiliser pour l’exemple de poids. (Hérité de TrainerInputBaseWithWeight)
ExecutionTime	Imprimer la répartition du temps d’exécution sur ML.NET canal. (Hérité de TreeOptions)
FeatureColumnName	Colonne à utiliser pour les fonctionnalités. (Hérité de TrainerInputBase)
FeatureFirstUsePenalty	La caractéristique utilise tout d’abord le coefficient de pénalité. (Hérité de TreeOptions)
FeatureFlocks	S’il faut collecter des fonctionnalités pendant la préparation du jeu de données pour accélérer l’entraînement. (Hérité de TreeOptions)
FeatureFraction	Fraction des fonctionnalités (choisies au hasard) à utiliser sur chaque itération. Utilisez 0,9 si seulement 90 % des fonctionnalités sont nécessaires. Des nombres plus faibles permettent de réduire le surajustement. (Hérité de TreeOptions)
FeatureFractionPerSplit	Fraction des fonctionnalités (choisies au hasard) à utiliser sur chaque fractionnement. Si la valeur est 0,9, 90 % de toutes les fonctionnalités seraient supprimées dans l’attente. (Hérité de TreeOptions)
FeatureReusePenalty	Coefficient de pénalité de réutilisation de fonctionnalité (régularisation). (Hérité de TreeOptions)
FeatureSelectionSeed	Seed de la sélection de fonctionnalité active. (Hérité de TreeOptions)
GainConfidenceLevel	L’ajustement d’arborescence gagne en confiance. Considérez uniquement un gain si sa probabilité par rapport à un gain de choix aléatoire est supérieure à cette valeur. (Hérité de TreeOptions)
HistogramPoolSize	Nombre d’histogrammes dans le pool (entre 2 et numLeaves). (Hérité de TreeOptions)
LabelColumnName	Colonne à utiliser pour les étiquettes. (Hérité de TrainerInputBaseWithLabel)
MaximumBinCountPerFeature	Nombre maximal de valeurs distinctes (emplacements) par caractéristique. (Hérité de TreeOptions)
MaximumCategoricalGroupCountPerNode	Nombre maximal de groupes de fractionnements catégoriels à prendre en compte lors du fractionnement sur une fonctionnalité catégorielle. Les groupes fractionnés sont une collection de points de fractionnement. Cela permet de réduire le surajustement lorsqu’il existe de nombreuses fonctionnalités catégorielles. (Hérité de TreeOptions)
MaximumCategoricalSplitPointCount	Nombre maximal de points de fractionnement catégoriels à prendre en compte lors du fractionnement sur une fonctionnalité catégorielle. (Hérité de TreeOptions)
MemoryStatistics	Imprimez les statistiques de mémoire sur ML.NET canal. (Hérité de TreeOptions)
MinimumExampleCountPerLeaf	Nombre minimal de points de données requis pour former une nouvelle feuille d’arborescence. (Hérité de TreeOptions)
MinimumExampleFractionForCategoricalSplit	Pourcentage d’exemple catégoriel minimal dans un bac à prendre en compte pour un fractionnement. La valeur par défaut est de 0,1 % de tous les exemples d’entraînement. (Hérité de TreeOptions)
MinimumExamplesForCategoricalSplit	Nombre minimal d’exemples catégoriels dans un bac à prendre en compte pour un fractionnement. (Hérité de TreeOptions)
NumberOfLeaves	Nombre maximal de feuilles dans chaque arborescence de régression. (Hérité de TreeOptions)
NumberOfQuantileSamples	Nombre de points de données à échantillonner à partir de chaque feuille pour rechercher la distribution des étiquettes.
NumberOfThreads	Nombre de threads à utiliser. (Hérité de TreeOptions)
NumberOfTrees	Nombre total d’arborescences de décision à créer dans l’ensemble. (Hérité de TreeOptions)
RowGroupColumnName	Colonne à utiliser par exemple groupId. (Hérité de TrainerInputBaseWithGroupId)
Seed	Seed du générateur de nombres aléatoires. (Hérité de TreeOptions)
Smoothing	Paramètre de lissage pour la régularisation de l’arborescence. (Hérité de TreeOptions)
SoftmaxTemperature	Température de la distribution softmax aléatoire pour le choix de la fonctionnalité. (Hérité de TreeOptions)
SparsifyThreshold	Niveau d’éparse nécessaire pour utiliser la représentation des caractéristiques éparses. (Hérité de TreeOptions)
TestFrequency	Calculez les valeurs de métriques pour l’apprentissage/la validité/le test de chaque série k. (Hérité de TreeOptions)