TreeOptions Classe

Définition

Espace de noms:

Microsoft.ML.Trainers.FastTree

Assembly:

Microsoft.ML.FastTree.dll

Paquet:

Microsoft.ML.FastTree v3.0.1

Options pour les entraîneurs d’arborescences.

public abstract class TreeOptions : Microsoft.ML.Trainers.TrainerInputBaseWithGroupId

type TreeOptions = class
    inherit TrainerInputBaseWithGroupId

Public MustInherit Class TreeOptions
Inherits TrainerInputBaseWithGroupId

Héritage

Object

TrainerInputBase

TrainerInputBaseWithLabel

TrainerInputBaseWithWeight

TrainerInputBaseWithGroupId

TreeOptions

Dérivé

Microsoft.ML.Trainers.FastTree.BoostedTreeOptions

Microsoft.ML.Trainers.FastTree.FastForestOptionsBase

Constructeurs

TreeOptions()

Options pour les entraîneurs d’arborescences.

Champs

AllowEmptyTrees	Lorsqu’un fractionnement racine est impossible, autorisez l’entraînement à continuer.
BaggingExampleFraction	Pourcentage d’exemples d’entraînement utilisés dans chaque sac. La valeur par défaut est 0,7 (70 %).
BaggingSize	Nombre d’arborescences dans chaque sac (0 pour la désactivation de l’ensachage).
Bias	Biais pour le calcul du gradient pour chaque compartiment de fonctionnalités pour une fonctionnalité catégorielle.
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.
CategoricalSplit	S’il faut effectuer un fractionnement en fonction de plusieurs valeurs de caractéristiques catégorielles.
CompressEnsemble	Compressez l’ensemble d’arborescences.
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.
EntropyCoefficient	Coefficient d’entropie (régularisation) compris entre 0 et 1.
ExampleWeightColumnName	Colonne à utiliser pour l’exemple de poids. (Hérité de TrainerInputBaseWithWeight)
ExecutionTime	Imprimer la répartition du temps d’exécution sur ML.NET canal.
FeatureColumnName	Colonne à utiliser pour les fonctionnalités. (Hérité de TrainerInputBase)
FeatureFirstUsePenalty	La caractéristique utilise tout d’abord le coefficient de pénalité.
FeatureFlocks	S’il faut collecter des fonctionnalités pendant la préparation du jeu de données pour accélérer l’entraînement.
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.
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.
FeatureReusePenalty	Coefficient de pénalité de réutilisation de fonctionnalité (régularisation).
FeatureSelectionSeed	Seed de la sélection de fonctionnalité active.
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.
HistogramPoolSize	Nombre d’histogrammes dans le pool (entre 2 et numLeaves).
LabelColumnName	Colonne à utiliser pour les étiquettes. (Hérité de TrainerInputBaseWithLabel)
MaximumBinCountPerFeature	Nombre maximal de valeurs distinctes (emplacements) par caractéristique.
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.
MaximumCategoricalSplitPointCount	Nombre maximal de points de fractionnement catégoriels à prendre en compte lors du fractionnement sur une fonctionnalité catégorielle.
MemoryStatistics	Imprimez les statistiques de mémoire sur ML.NET canal.
MinimumExampleCountPerLeaf	Nombre minimal de points de données requis pour former une nouvelle feuille d’arborescence.
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.
MinimumExamplesForCategoricalSplit	Nombre minimal d’exemples catégoriels dans un bac à prendre en compte pour un fractionnement.
NumberOfLeaves	Nombre maximal de feuilles dans chaque arborescence de régression.
NumberOfThreads	Nombre de threads à utiliser.
NumberOfTrees	Nombre total d’arborescences de décision à créer dans l’ensemble.
RowGroupColumnName	Colonne à utiliser par exemple groupId. (Hérité de TrainerInputBaseWithGroupId)
Seed	Seed du générateur de nombres aléatoires.
Smoothing	Paramètre de lissage pour la régularisation de l’arborescence.
SoftmaxTemperature	Température de la distribution softmax aléatoire pour le choix de la fonctionnalité.
SparsifyThreshold	Niveau d’éparse nécessaire pour utiliser la représentation des caractéristiques éparses.
TestFrequency	Calculez les valeurs de métriques pour l’apprentissage/la validité/le test de chaque série k.