TreeEnsembleModelParametersBasedOnRegressionTree Klasa

Definicja

Przestrzeń nazw:

Microsoft.ML.Trainers.FastTree

Zestaw:

Microsoft.ML.FastTree.dll

Pakiet:

Microsoft.ML.FastTree v3.0.1

TreeEnsembleModelParametersBasedOnRegressionTree pochodzi z TreeEnsembleModelParameters plus silnie typizowanego atrybutu publicznego, TrainedTreeEnsemble, w celu uwidaczniania szczegółowych informacji wytrenowanego modelu dla użytkowników. Jej funkcja , Microsoft.ML.Trainers.FastTree.TreeEnsembleModelParametersBasedOnRegressionTree.CreateTreeEnsembleFromInternalDataStructurejest wywoływana w celu utworzenia TrainedTreeEnsemble wewnątrz TreeEnsembleModelParameterselementu . Należy pamiętać, że główna różnica między elementami TreeEnsembleModelParametersBasedOnQuantileRegressionTree i TreeEnsembleModelParametersBasedOnRegressionTree jest typem TrainedTreeEnsemble.

public abstract class TreeEnsembleModelParametersBasedOnRegressionTree : Microsoft.ML.Trainers.FastTree.TreeEnsembleModelParameters

type TreeEnsembleModelParametersBasedOnRegressionTree = class
    inherit TreeEnsembleModelParameters

Public MustInherit Class TreeEnsembleModelParametersBasedOnRegressionTree
Inherits TreeEnsembleModelParameters

Dziedziczenie

Object

ModelParametersBase<Single>

TreeEnsembleModelParameters

TreeEnsembleModelParametersBasedOnRegressionTree

Pochodne

Microsoft.ML.Trainers.FastTree.FastTreeBinaryModelParameters

Microsoft.ML.Trainers.FastTree.FastTreeRankingModelParameters

Microsoft.ML.Trainers.FastTree.FastTreeRegressionModelParameters

Microsoft.ML.Trainers.FastTree.FastTreeTweedieModelParameters

Microsoft.ML.Trainers.LightGbm.LightGbmBinaryModelParameters

Microsoft.ML.Trainers.LightGbm.LightGbmRankingModelParameters

Microsoft.ML.Trainers.LightGbm.LightGbmRegressionModelParameters

Właściwości

TrainedTreeEnsemble

Zespół drzew narażonych na użytkowników. Jest to otoka na internalMicrosoft.ML.Trainers.FastTree.InternalTreeEnsemble obiekcie w TreeEnsemble<T>.

Metody

GetFeatureWeights(VBuffer<Single>)

Uzyskaj skumulowane zyski podziału dla każdej funkcji we wszystkich drzewach. (Odziedziczone po TreeEnsembleModelParameters)

Jawne implementacje interfejsu

ICalculateFeatureContribution.FeatureContributionCalculator

Służy do określania udziału każdej funkcji w wyniku przykładu według .FeatureContributionCalculatingTransformer Obliczanie udziału funkcji zasadniczo polega na określeniu, które podziały w drzewie mają największy wpływ na wynik końcowy i przypisanie wartości wpływu do cech określających podział. Dokładniej rzecz biorąc, udział funkcji jest równy zmianie wyniku generowanego przez eksplorowanie przeciwnego podzadrzewa za każdym razem, gdy napotkano węzeł decyzyjny dla danej funkcji. Rozważ prosty przypadek z pojedynczym drzewem decyzyjnym, który ma węzeł decyzyjny dla funkcji binarnej F1. Biorąc pod uwagę przykład z funkcją F1 równą true, możemy obliczyć wynik uzyskany w przypadku wybrania poddrzewa odpowiadającego funkcji F1 równej fałszowi przy zachowaniu stałej innych funkcji. Udział funkcji F1 dla danego przykładu jest różnicą między oryginalnym wynikiem a wynikiem uzyskanym przez podjęcie przeciwnej decyzji w węźle odpowiadającym funkcji F1. Ten algorytm rozszerza naturalnie modele z wieloma drzewami decyzyjnymi. (Odziedziczone po TreeEnsembleModelParameters)

ICanSaveModel.Save(ModelSaveContext)

TreeEnsembleModelParametersBasedOnRegressionTree pochodzi z TreeEnsembleModelParameters plus silnie typizowanego atrybutu publicznego, TrainedTreeEnsemble, w celu uwidaczniania szczegółowych informacji wytrenowanego modelu dla użytkowników. Jej funkcja , Microsoft.ML.Trainers.FastTree.TreeEnsembleModelParametersBasedOnRegressionTree.CreateTreeEnsembleFromInternalDataStructurejest wywoływana w celu utworzenia TrainedTreeEnsemble wewnątrz TreeEnsembleModelParameterselementu . Należy pamiętać, że główna różnica między elementami TreeEnsembleModelParametersBasedOnQuantileRegressionTree i TreeEnsembleModelParametersBasedOnRegressionTree jest typem TrainedTreeEnsemble. (Odziedziczone po ModelParametersBase<TOutput>)