FastTreeBinaryTrainer.Options Classe

Definição

Namespace:

Microsoft.ML.Trainers.FastTree

Assembly:

Microsoft.ML.FastTree.dll

Pacote:

Microsoft.ML.FastTree v3.0.1

Opções para o FastTreeBinaryTrainer conforme usado em FastTree(Options).

public sealed class FastTreeBinaryTrainer.Options : Microsoft.ML.Trainers.FastTree.BoostedTreeOptions, Microsoft.ML.Runtime.IComponentFactory<Microsoft.ML.ITrainer>

type FastTreeBinaryTrainer.Options = class
    inherit BoostedTreeOptions
    interface IComponentFactory<ITrainer>
    interface IComponentFactory

Public NotInheritable Class FastTreeBinaryTrainer.Options
Inherits BoostedTreeOptions
Implements IComponentFactory(Of ITrainer)

Herança

Object

TrainerInputBase

TrainerInputBaseWithLabel

TrainerInputBaseWithWeight

TrainerInputBaseWithGroupId

TreeOptions

BoostedTreeOptions

FastTreeBinaryTrainer.Options

Implementações

IComponentFactory IComponentFactory<Microsoft.ML.ITrainer>

Construtores

FastTreeBinaryTrainer.Options()

Crie um novo FastTreeBinaryTrainer.Options objeto com valores padrão.

Campos

AllowEmptyTrees	Quando uma divisão raiz for impossível, permita que o treinamento continue. (Herdado de TreeOptions)
BaggingExampleFraction	Porcentagem de exemplos de treinamento usados em cada recipiente. O padrão é 0,7 (70%). (Herdado de TreeOptions)
BaggingSize	Número de árvores em cada saco (0 para desabilitar o ensaca). (Herdado de TreeOptions)
BestStepRankingRegressionTrees	Opção para usar as melhores árvores de etapas de regressão. (Herdado de BoostedTreeOptions)
Bias	Desvio para calcular o gradiente para cada compartimento de recursos para um recurso categórico. (Herdado de TreeOptions)
Bundling	Agrupar compartimentos de baixa população. Bundle.None(0): sem agrupamento, Bundle.AggregateLowPopulation(1): agrupar baixa população, Bundle.Adjacent(2): pacote vizinho de baixa população. (Herdado de TreeOptions)
CategoricalSplit	Se deve ser dividido com base em vários valores de recurso categóricos. (Herdado de TreeOptions)
CompressEnsemble	Compacte a árvore Ensemble. (Herdado de TreeOptions)
DiskTranspose	Se é necessário utilizar o disco ou as instalações de transposição nativas dos dados (quando aplicável) ao executar a transposição. (Herdado de TreeOptions)
DropoutRate	Taxa de abandono para regularização de árvore. (Herdado de BoostedTreeOptions)
EnablePruning	Habilite a remoção de árvore pós-treinamento para evitar o sobreajuste. Ele requer um conjunto de validação. (Herdado de BoostedTreeOptions)
EntropyCoefficient	O coeficiente de entropia (regularização) entre 0 e 1. (Herdado de TreeOptions)
ExampleWeightColumnName	Coluna a ser usada, por exemplo, peso. (Herdado de TrainerInputBaseWithWeight)
ExecutionTime	Análise do tempo de execução de impressão para ML.NET canal. (Herdado de TreeOptions)
FeatureColumnName	Coluna a ser usada para recursos. (Herdado de TrainerInputBase)
FeatureFirstUsePenalty	O recurso primeiro usa o coeficiente de penalidade. (Herdado de TreeOptions)
FeatureFlocks	Se os recursos devem ser coletados durante a preparação do conjunto de dados para acelerar o treinamento. (Herdado de TreeOptions)
FeatureFraction	A fração de recursos (escolhida aleatoriamente) a ser usada em cada iteração. Use 0,9 se apenas 90% dos recursos forem necessários. Números mais baixos ajudam a reduzir o excesso de ajuste. (Herdado de TreeOptions)
FeatureFractionPerSplit	A fração de recursos (escolhida aleatoriamente) a ser usada em cada divisão. Se o valor for 0,9, 90% de todos os recursos serão descartados na expectativa. (Herdado de TreeOptions)
FeatureReusePenalty	O coeficiente de penalidade de reutilização (regularização) do recurso. (Herdado de TreeOptions)
FeatureSelectionSeed	A semente da seleção de recursos ativos. (Herdado de TreeOptions)
FilterZeroLambdas	Filtrar zero lambdas durante o treinamento. (Herdado de BoostedTreeOptions)
GainConfidenceLevel	Requisito de confiança de ganho de ajuste de árvore. Considere apenas um ganho se sua probabilidade versus um ganho de escolha aleatória estiver acima desse valor. (Herdado de TreeOptions)
GetDerivativesSampleRate	Amostra cada consulta 1 em k vezes na função GetDerivatives. (Herdado de BoostedTreeOptions)
HistogramPoolSize	O número de histogramas no pool (entre 2 e numLeaves). (Herdado de TreeOptions)
LabelColumnName	Coluna a ser usada para rótulos. (Herdado de TrainerInputBaseWithLabel)
LearningRate	A taxa de aprendizado. (Herdado de BoostedTreeOptions)
MaximumBinCountPerFeature	Número máximo de valores distintos (compartimentos) por recurso. (Herdado de TreeOptions)
MaximumCategoricalGroupCountPerNode	Máximo de grupos divididos categóricos a serem considerados ao dividir em um recurso categórico. Grupos divididos são uma coleção de pontos de divisão. Isso é usado para reduzir o sobreajuste quando há muitos recursos categóricos. (Herdado de TreeOptions)
MaximumCategoricalSplitPointCount	Máximo de pontos de divisão categóricos a serem considerados ao dividir em um recurso categórico. (Herdado de TreeOptions)
MaximumNumberOfLineSearchSteps	Número de etapas de pesquisa de linha pós-colchete. (Herdado de BoostedTreeOptions)
MaximumTreeOutput	Limite superior no valor absoluto da saída de árvore única. (Herdado de BoostedTreeOptions)
MemoryStatistics	Imprimir estatísticas de memória em ML.NET canal. (Herdado de TreeOptions)
MinimumExampleCountPerLeaf	O número mínimo de pontos de dados necessários para formar uma nova folha de árvore. (Herdado de TreeOptions)
MinimumExampleFractionForCategoricalSplit	Percentual mínimo de exemplo categórico em um compartimento a ser considerado para uma divisão. O padrão é 0,1% de todos os exemplos de treinamento. (Herdado de TreeOptions)
MinimumExamplesForCategoricalSplit	Contagem mínima de exemplo categórico em um compartimento a ser considerado para uma divisão. (Herdado de TreeOptions)
MinimumStepSize	Tamanho mínimo da etapa de pesquisa de linha. (Herdado de BoostedTreeOptions)
NumberOfLeaves	O número máximo de folhas em cada árvore de regressão. (Herdado de TreeOptions)
NumberOfThreads	O número máximo de threads. (Herdado de TreeOptions)
NumberOfTrees	Número total de árvores de decisão a serem criadas no conjunto. (Herdado de TreeOptions)
OptimizationAlgorithm	Algoritmo de otimização a ser usado. (Herdado de BoostedTreeOptions)
PruningThreshold	O limite de tolerância para remoção. (Herdado de BoostedTreeOptions)
PruningWindowSize	O tamanho da janela móvel para remoção. (Herdado de BoostedTreeOptions)
RandomStart	O treinamento começa com a ordenação aleatória (determinada por /r1). (Herdado de BoostedTreeOptions)
RowGroupColumnName	Coluna a ser usada, por exemplo, groupId. (Herdado de TrainerInputBaseWithGroupId)
Seed	A semente do gerador de número aleatório. (Herdado de TreeOptions)
Shrinkage	Encolhimento. (Herdado de BoostedTreeOptions)
Smoothing	Parâmetro de suavização para regularização de árvore. (Herdado de TreeOptions)
SoftmaxTemperature	A temperatura da distribuição softmax aleatória para escolher o recurso. (Herdado de TreeOptions)
SparsifyThreshold	Nível de moderação necessário para usar a representação de recursos esparsos. (Herdado de TreeOptions)
TestFrequency	Calcule valores de métrica para treinamento/válido/teste a cada k rounds. (Herdado de TreeOptions)
UnbalancedSets	Se os derivativos devem ser usados otimizados para dados de treinamento desbalanceados.
UseLineSearch	Determina se a pesquisa de linha deve ser usada para um tamanho de etapa. (Herdado de BoostedTreeOptions)
UseTolerantPruning	Use janela e tolerância para remoção. (Herdado de BoostedTreeOptions)
WriteLastEnsemble	Escreva o último conjunto em vez do determinado pela parada antecipada. (Herdado de BoostedTreeOptions)

Propriedades

EarlyStoppingMetric	Métricas de interrupção antecipada.
EarlyStoppingRule	Regra de interrupção antecipada usada para encerrar o processo de treinamento depois de atender a um critério especificado. As opções possíveis são EarlyStoppingRuleBaseimplementações de , como TolerantEarlyStoppingRule e GeneralityLossRule. (Herdado de BoostedTreeOptions)

Implantações explícitas de interface

IComponentFactory<ITrainer>.CreateComponent(IHostEnvironment)

Opções para o FastTreeBinaryTrainer conforme usado em FastTree(Options).