FastForestRegressionTrainer.Options Classe

Définition

Espace de noms:

Microsoft.ML.Trainers.FastTree

Assembly:

Microsoft.ML.FastTree.dll

Paquet:

Microsoft.ML.FastTree v3.0.1

Options pour le FastForestRegressionTrainer tel qu’utilisé dans FastForest(Options).

public sealed class FastForestRegressionTrainer.Options : Microsoft.ML.Trainers.FastTree.FastForestOptionsBase

type FastForestRegressionTrainer.Options = class
    inherit FastForestOptionsBase

Public NotInheritable Class FastForestRegressionTrainer.Options
Inherits FastForestOptionsBase

Héritage

Object

TrainerInputBase

TrainerInputBaseWithLabel

TrainerInputBaseWithWeight

TrainerInputBaseWithGroupId

TreeOptions

FastForestOptionsBase

FastForestRegressionTrainer.Options

Constructeurs

FastForestRegressionTrainer.Options()

Options pour le FastForestRegressionTrainer tel qu’utilisé dans FastForest(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 désactiver l’ensachage). (Hérité de TreeOptions)
Bias	Biais pour le calcul du gradient pour chaque compartiment de caractéristiques pour une fonctionnalité catégorielle. (Hérité de TreeOptions)
Bundling	Regrouper des bacs à faible population. Bundle.None(0) : aucun regroupement, Bundle.AggregateLowPopulation(1) : Bundle low population, Bundle.Adjacent(2) : lot de population faible voisin. (Hérité de TreeOptions)
CategoricalSplit	Indique s’il faut effectuer un fractionnement en fonction de plusieurs valeurs de caractéristiques catégorielles. (Hérité de TreeOptions)
CompressEnsemble	Compressez l’ensemble de l’arborescence. (Hérité de TreeOptions)
DiskTranspose	Indique s’il faut utiliser le disque ou les installations de transposition natives des données (le cas échéant) lors de l’exécution de la transpose. (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	Indique s’il faut collecter des fonctionnalités pendant la préparation du jeu de données pour accélérer l’entraînement. (Hérité de TreeOptions)
FeatureFraction	Fraction de fonctionnalités (choisies de manière aléatoire) à utiliser sur chaque itération. Utilisez 0,9 si seulement 90 % des fonctionnalités sont nécessaires. Des nombres inférieurs permettent de réduire le surajustement. (Hérité de TreeOptions)
FeatureFractionPerSplit	Fraction des fonctionnalités (choisies de manière aléatoire) à utiliser sur chaque fractionnement. Si sa valeur est 0,9, 90 % de toutes les fonctionnalités seraient supprimées dans l’attente. (Hérité de TreeOptions)
FeatureReusePenalty	Coefficient de pénalité de réutilisation (régularisation) de la fonctionnalité. (Hérité de TreeOptions)
FeatureSelectionSeed	Valeur initiale de la sélection de fonctionnalité active. (Hérité de TreeOptions)
GainConfidenceLevel	L’ajustement d’arborescence gagne en confiance. Considérez un gain uniquement 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	Imprimer 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 minimal d’exemples catégoriels 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 trouver la distribution des étiquettes. (Hérité de FastForestOptionsBase)
NumberOfThreads	Nombre de threads à utiliser. (Hérité de TreeOptions)
NumberOfTrees	Nombre total d’arbres de décision à créer dans l’ensemble. (Hérité de TreeOptions)
RowGroupColumnName	Colonne à utiliser par exemple groupId. (Hérité de TrainerInputBaseWithGroupId)
Seed	Valeur initiale du générateur de nombres aléatoires. (Hérité de TreeOptions)
ShuffleLabels	Indique s’il faut mélanger les étiquettes à chaque itération.
Smoothing	Paramètre de lissage pour la régularisation de l’arborescence. (Hérité de TreeOptions)
SoftmaxTemperature	Température de la distribution aléatoire softmax pour le choix de la fonctionnalité. (Hérité de TreeOptions)
SparsifyThreshold	Niveau d’éparse nécessaire pour utiliser la représentation des fonctionnalités éparses. (Hérité de TreeOptions)
TestFrequency	Calculez les valeurs de métriques pour l’apprentissage/la validité/le test chaque k rounds. (Hérité de TreeOptions)