FastTreeRegressionTrainer.Options 클래스
정의
중요
일부 정보는 릴리스되기 전에 상당 부분 수정될 수 있는 시험판 제품과 관련이 있습니다. Microsoft는 여기에 제공된 정보에 대해 어떠한 명시적이거나 묵시적인 보증도 하지 않습니다.
FastTreeRegressionTrainer FastTree(옵션)에 사용되는 의 옵션입니다.
public sealed class FastTreeRegressionTrainer.Options : Microsoft.ML.Trainers.FastTree.BoostedTreeOptions, Microsoft.ML.Runtime.IComponentFactory<Microsoft.ML.ITrainer>type FastTreeRegressionTrainer.Options = class
inherit BoostedTreeOptions
interface IComponentFactory<ITrainer>
interface IComponentFactoryPublic NotInheritable Class FastTreeRegressionTrainer.Options
Inherits BoostedTreeOptions
Implements IComponentFactory(Of ITrainer)- 상속
-
FastTreeRegressionTrainer.Options
- 구현
-
IComponentFactory IComponentFactory<Microsoft.ML.ITrainer>
생성자
| FastTreeRegressionTrainer.Options() |
기본값을 사용하여 새 FastTreeRegressionTrainer.Options 개체를 만듭니다. |
필드
| AllowEmptyTrees |
루트 분할이 불가능한 경우 학습을 진행하도록 허용합니다. (다음에서 상속됨 TreeOptions) |
| BaggingExampleFraction |
각 모음에 사용되는 학습 예제의 백분율입니다. 기본값은 0.7(70%)입니다. (다음에서 상속됨 TreeOptions) |
| BaggingSize |
각 가방의 트리 수(가방 사용 안 시에 0개). (다음에서 상속됨 TreeOptions) |
| BestStepRankingRegressionTrees |
최상의 회귀 단계 트리를 사용하는 옵션입니다. (다음에서 상속됨 BoostedTreeOptions) |
| Bias |
범주 기능의 각 기능 bin에 대한 그라데이션 계산에 대한 바이어스입니다. (다음에서 상속됨 TreeOptions) |
| Bundling |
낮은 모집단 빈을 번들로 묶습니다. Bundle.None(0): 번들 없음, Bundle.AggregateLowPopulation(1): 번들 낮은 인구, Bundle.Adjacent(2): 인접한 하위 인구 번들. (다음에서 상속됨 TreeOptions) |
| CategoricalSplit |
여러 범주 기능 값을 기준으로 분할할지 여부입니다. (다음에서 상속됨 TreeOptions) |
| CompressEnsemble |
트리 앙상블을 압축합니다. (다음에서 상속됨 TreeOptions) |
| DiskTranspose |
트랜스포지션을 수행할 때 디스크 또는 데이터의 네이티브 트랜스포지션 기능(해당하는 경우)을 활용할지 여부입니다. (다음에서 상속됨 TreeOptions) |
| DropoutRate |
트리 정규화에 대한 드롭아웃 속도입니다. (다음에서 상속됨 BoostedTreeOptions) |
| EnablePruning |
과잉 맞춤을 방지하려면 학습 후 트리 정리를 사용하도록 설정합니다. 유효성 검사 집합이 필요합니다. (다음에서 상속됨 BoostedTreeOptions) |
| EntropyCoefficient |
0에서 1 사이의 엔트로피(정규화) 계수입니다. (다음에서 상속됨 TreeOptions) |
| ExampleWeightColumnName |
예를 들어 가중치에 사용할 열입니다. (다음에서 상속됨 TrainerInputBaseWithWeight) |
| ExecutionTime |
ML.NET 채널에 대한 실행 시간 분석을 인쇄합니다. (다음에서 상속됨 TreeOptions) |
| FeatureColumnName |
기능에 사용할 열입니다. (다음에서 상속됨 TrainerInputBase) |
| FeatureFirstUsePenalty |
이 기능은 먼저 페널티 계수를 사용합니다. (다음에서 상속됨 TreeOptions) |
| FeatureFlocks |
학습 속도를 높이기 위해 데이터 세트 준비 중에 기능을 수집할지 여부입니다. (다음에서 상속됨 TreeOptions) |
| FeatureFraction |
각 반복에 사용할 기능(임의로 선택됨)의 비율입니다. 기능의 90%만 필요한 경우 0.9를 사용합니다. 숫자가 낮을 경우 과잉 맞춤을 줄이는 데 도움이 됩니다. (다음에서 상속됨 TreeOptions) |
| FeatureFractionPerSplit |
각 분할에 사용할 기능(임의로 선택됨)의 비율입니다. 값이 0.9이면 모든 기능의 90%가 기대에 못미치게 됩니다. (다음에서 상속됨 TreeOptions) |
| FeatureReusePenalty |
이 기능은 페널티(정규화) 계수를 다시 사용합니다. (다음에서 상속됨 TreeOptions) |
| FeatureSelectionSeed |
활성 기능 선택 항목의 시드입니다. (다음에서 상속됨 TreeOptions) |
| FilterZeroLambdas |
학습 중에 람다 0을 필터링합니다. (다음에서 상속됨 BoostedTreeOptions) |
| GainConfidenceLevel |
트리 피팅은 신뢰도 요구 사항을 얻습니다. 확률과 임의 선택 이득이 이 값보다 높은 경우에만 게인을 고려합니다. (다음에서 상속됨 TreeOptions) |
| GetDerivativesSampleRate |
GetDerivatives 함수에서 각 쿼리를 k번씩 샘플링합니다. (다음에서 상속됨 BoostedTreeOptions) |
| HistogramPoolSize |
풀의 히스토그램 수(2~numLeaves)입니다. (다음에서 상속됨 TreeOptions) |
| LabelColumnName |
레이블에 사용할 열입니다. (다음에서 상속됨 TrainerInputBaseWithLabel) |
| LearningRate |
학습 속도입니다. (다음에서 상속됨 BoostedTreeOptions) |
| MaximumBinCountPerFeature |
기능당 고유한 값(bin)의 최대 개수. (다음에서 상속됨 TreeOptions) |
| MaximumCategoricalGroupCountPerNode |
범주 기능에서 분할할 때 고려할 최대 범주 분할 그룹입니다. 분할 그룹은 분할 지점의 컬렉션입니다. 이는 여러 범주 기능이 있을 때 과잉 맞춤을 줄이는 데 사용됩니다. (다음에서 상속됨 TreeOptions) |
| MaximumCategoricalSplitPointCount |
범주 기능에서 분할할 때 고려할 최대 범주 분할 지점입니다. (다음에서 상속됨 TreeOptions) |
| MaximumNumberOfLineSearchSteps |
대괄호 이후 줄 검색 단계의 수입니다. (다음에서 상속됨 BoostedTreeOptions) |
| MaximumTreeOutput |
단일 트리 출력의 절대값에 대한 상한입니다. (다음에서 상속됨 BoostedTreeOptions) |
| MemoryStatistics |
메모리 통계를 ML.NET 채널에 인쇄합니다. (다음에서 상속됨 TreeOptions) |
| MinimumExampleCountPerLeaf |
새 트리 리프를 형성하는 데 필요한 최소 데이터 요소 수입니다. (다음에서 상속됨 TreeOptions) |
| MinimumExampleFractionForCategoricalSplit |
분할에 대해 고려할 bin의 최소 범주 예제 백분율입니다. 기본값은 모든 학습 예제의 0.1%입니다. (다음에서 상속됨 TreeOptions) |
| MinimumExamplesForCategoricalSplit |
분할에 대해 고려할 bin의 최소 범주 예제 수입니다. (다음에서 상속됨 TreeOptions) |
| MinimumStepSize |
최소 줄 검색 단계 크기입니다. (다음에서 상속됨 BoostedTreeOptions) |
| NumberOfLeaves |
각 회귀 트리의 최대 잎 수입니다. (다음에서 상속됨 TreeOptions) |
| NumberOfThreads |
사용할 스레드 수입니다. (다음에서 상속됨 TreeOptions) |
| NumberOfTrees |
앙상블에서 만들 의사 결정 트리의 총 수입니다. (다음에서 상속됨 TreeOptions) |
| OptimizationAlgorithm |
사용할 최적화 알고리즘입니다. (다음에서 상속됨 BoostedTreeOptions) |
| PruningThreshold |
정리에 대한 허용 오차 임계값입니다. (다음에서 상속됨 BoostedTreeOptions) |
| PruningWindowSize |
정리를 위한 이동 창 크기입니다. (다음에서 상속됨 BoostedTreeOptions) |
| RandomStart |
학습은 임의 순서에서 시작됩니다(/r1에 의해 결정됨). (다음에서 상속됨 BoostedTreeOptions) |
| RowGroupColumnName |
groupId 예제에 사용할 열입니다. (다음에서 상속됨 TrainerInputBaseWithGroupId) |
| Seed |
난수 생성기의 시드입니다. (다음에서 상속됨 TreeOptions) |
| Shrinkage |
수축. (다음에서 상속됨 BoostedTreeOptions) |
| Smoothing |
트리 정규화를 위한 스무딩 매개 변수입니다. (다음에서 상속됨 TreeOptions) |
| SoftmaxTemperature |
기능을 선택하기 위한 임의 소프트맥스 분포의 온도입니다. (다음에서 상속됨 TreeOptions) |
| SparsifyThreshold |
스파스 기능 표현을 사용하는 데 필요한 스파스 수준입니다. (다음에서 상속됨 TreeOptions) |
| TestFrequency |
k 라운드마다 학습/유효/테스트에 대한 메트릭 값을 계산합니다. (다음에서 상속됨 TreeOptions) |
| UseLineSearch |
단계 크기에 대한 줄 검색을 사용할지 여부를 결정합니다. (다음에서 상속됨 BoostedTreeOptions) |
| UseTolerantPruning |
정리에 창 및 허용 오차를 사용합니다. (다음에서 상속됨 BoostedTreeOptions) |
| WriteLastEnsemble |
조기 중지로 결정되는 앙상블 대신 마지막 앙상블을 작성합니다. (다음에서 상속됨 BoostedTreeOptions) |
속성
| EarlyStoppingMetric |
메트릭을 조기 중지합니다. |
| EarlyStoppingRule |
지정된 조건을 충족하면 학습 프로세스를 종료하는 데 사용되는 조기 중지 규칙입니다. 가능한 선택은 EarlyStoppingRuleBase및 GeneralityLossRule와 같은 TolerantEarlyStoppingRule 의 구현입니다. (다음에서 상속됨 BoostedTreeOptions) |
명시적 인터페이스 구현
| IComponentFactory<ITrainer>.CreateComponent(IHostEnvironment) |
FastTreeRegressionTrainer FastTree(옵션)에 사용되는 의 옵션입니다. |