FeatureContributionCalculatingEstimator 클래스

정의

네임스페이스:

Microsoft.ML.Transforms

어셈블리:

Microsoft.ML.Data.dll

패키지:

Microsoft.ML v3.0.1

에 대한 추정기입니다 FeatureContributionCalculatingTransformer. 각 입력 벡터의 점수에 대한 모델별 기능별 기여도를 계산합니다.

public sealed class FeatureContributionCalculatingEstimator : Microsoft.ML.Data.TrivialEstimator<Microsoft.ML.Transforms.FeatureContributionCalculatingTransformer>

type FeatureContributionCalculatingEstimator = class
    inherit TrivialEstimator<FeatureContributionCalculatingTransformer>

Public NotInheritable Class FeatureContributionCalculatingEstimator
Inherits TrivialEstimator(Of FeatureContributionCalculatingTransformer)

상속

Object

TrivialEstimator<FeatureContributionCalculatingTransformer>

FeatureContributionCalculatingEstimator

설명

추정기 특성

이 예측 도구는 매개 변수를 학습하기 위해 데이터를 확인해야 합니까?	아니요
입력 열 데이터 형식	의 알려진 크기 벡터 Single
출력 열 데이터 형식	의 알려진 크기 벡터 Single
ONNX로 내보낼 수 있습니다.	아니요

학습된 모델을 사용하여 데이터 세트를 채점하면 각 예제에 대한 점수 또는 예측이 생성됩니다. 이러한 예측을 이해하고 설명하기 위해 가장 큰 영향을 준 기능을 검사하는 것이 유용할 수 있습니다. 이 변환기는 각 예제의 점수에 대한 기능별 기여의 모델별 목록을 계산합니다. 이러한 기여도는 양수(점수를 높음) 또는 음수(점수가 낮게 낮음)일 수 있습니다.

기능 기여 계산은 현재 다음 모델에 대해 지원됩니다.

• 회귀:
  • OlsTrainer
  • SdcaRegressionTrainer
  • OnlineGradientDescentTrainer
  • LbfgsPoissonRegressionTrainer
  • GamRegressionTrainer
  • LightGbmRegressionTrainer
  • FastTreeRegressionTrainer
  • FastForestRegressionTrainer
  • FastTreeTweedieTrainer
• 이진 분류:
  • AveragedPerceptronTrainer
  • LinearSvmTrainer
  • LbfgsLogisticRegressionBinaryTrainer
  • SdcaNonCalibratedBinaryTrainer
  • SdcaLogisticRegressionBinaryTrainer
  • SgdCalibratedTrainer
  • SgdNonCalibratedTrainer
  • SymbolicSgdLogisticRegressionBinaryTrainer
  • GamBinaryTrainer
  • FastForestBinaryTrainer
  • FastTreeBinaryTrainer
  • LightGbmBinaryTrainer
• 순위:
  • FastTreeRankingTrainer
  • LightGbmRankingTrainer

선형 모델의 경우 지정된 기능의 기여도는 기능 값의 곱과 해당 가중치의 곱과 같습니다. 마찬가지로 GAM(일반화된 추가 모델)의 경우 기능의 기여도는 기능 값으로 평가된 지정된 기능에 대한 셰이프 함수와 같습니다.

트리 기반 모델의 경우 기능 기여도 계산은 기본적으로 트리의 분할이 최종 점수에 가장 큰 영향을 미치는지 확인하고 분할을 결정하는 기능에 미치는 영향 값을 할당하는 것으로 구성됩니다. 더 정확하게 말하면, 기능의 기여도는 지정된 기능에 대한 의사 결정 노드가 발생할 때마다 반대 하위 트리를 탐색하여 생성된 점수의 변경과 같습니다. 이진 기능 F1에 대한 의사 결정 노드가 있는 단일 의사 결정 트리가 있는 간단한 사례를 고려합니다. F1 기능이 true와 같은 예제를 사용하면 다른 기능을 상수로 유지하면서 F1 기능에 해당하는 하위 트리를 false로 선택한 경우 얻은 점수를 계산할 수 있습니다. 지정된 예제에 대한 기능 F1의 기여도는 기능 F1에 해당하는 노드에서 반대 결정을 내려서 얻은 점수와 원래 점수의 차이입니다. 이 알고리즘은 의사 결정 트리가 많은 모델로 자연스럽게 확장됩니다.

사용 예제에 대한 링크는 참고 섹션을 확인하세요.

메서드

Fit(IDataView)	에 대한 추정기입니다 FeatureContributionCalculatingTransformer. 각 입력 벡터의 점수에 대한 모델별 기능별 기여도를 계산합니다. (다음에서 상속됨 TrivialEstimator<TTransformer>)
GetOutputSchema(SchemaShape)	변환기에서 SchemaShape 생성할 스키마를 반환합니다. 파이프라인에서 스키마 전파 및 확인에 사용됩니다.

확장 메서드

AppendCacheCheckpoint<TTrans>(IEstimator<TTrans>, IHostEnvironment)	추정기 체인에 '캐싱 검사점'을 추가합니다. 이렇게 하면 다운스트림 추정기가 캐시된 데이터에 대해 학습됩니다. 여러 데이터 전달을 수행하는 트레이너 앞에 캐싱 검사점이 있는 것이 좋습니다.
WithOnFitDelegate<TTransformer>(IEstimator<TTransformer>, Action<TTransformer>)	추정기가 지정된 경우 호출된 대리 Fit(IDataView) 자를 호출할 래핑 개체를 반환합니다. 예측 도구가 적합한 항목에 대한 정보를 반환하는 것이 중요한 경우가 많습니다. 따라서 Fit(IDataView) 메서드는 일반 ITransformer개체가 아닌 구체적으로 형식화된 개체를 반환합니다. 그러나 동시에 IEstimator<TTransformer> 개체가 많은 파이프라인으로 형성되는 경우가 많으므로 변환기를 가져올 추정기가 이 체인의 어딘가에 묻혀 있는 위치를 통해 EstimatorChain<TLastTransformer> 추정기 체인을 빌드해야 할 수 있습니다. 이 시나리오에서는 이 메서드를 통해 fit이 호출되면 호출될 대리자를 연결할 수 있습니다.

추가 정보

• CalculateFeatureContribution<TModelParameters,TCalibrator>(TransformsCatalog, ISingleFeaturePredictionTransformer<CalibratedModelParametersBase<TModelParameters, TCalibrator>>, Int32, Int32, Boolean)
• CalculateFeatureContribution(TransformsCatalog, ISingleFeaturePredictionTransformer<ICalculateFeatureContribution>, Int32, Int32, Boolean)