TreeEnsembleModelParametersBasedOnQuantileRegressionTree Classe

Definição

Namespace:

Microsoft.ML.Trainers.FastTree

Assembly:

Microsoft.ML.FastTree.dll

Pacote:

Microsoft.ML.FastTree v3.0.1

TreeEnsembleModelParametersBasedOnQuantileRegressionTree é derivado de TreeEnsembleModelParameters mais um atributo público fortemente tipado, TrainedTreeEnsemblepara expor os detalhes do modelo treinado aos usuários. Sua função é Microsoft.ML.Trainers.FastTree.TreeEnsembleModelParametersBasedOnQuantileRegressionTree.CreateTreeEnsembleFromInternalDataStructurechamada para criar TrainedTreeEnsemble dentro TreeEnsembleModelParameters. Observe que a principal diferença entre TreeEnsembleModelParametersBasedOnQuantileRegressionTree e TreeEnsembleModelParametersBasedOnRegressionTree é o tipo de TrainedTreeEnsemble.

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

type TreeEnsembleModelParametersBasedOnQuantileRegressionTree = class
    inherit TreeEnsembleModelParameters

Public MustInherit Class TreeEnsembleModelParametersBasedOnQuantileRegressionTree
Inherits TreeEnsembleModelParameters

Herança

Object

ModelParametersBase<Single>

TreeEnsembleModelParameters

TreeEnsembleModelParametersBasedOnQuantileRegressionTree

Derivado

Microsoft.ML.Trainers.FastTree.FastForestBinaryModelParameters

Microsoft.ML.Trainers.FastTree.FastForestRegressionModelParameters

Propriedades

TrainedTreeEnsemble

Um conjunto de árvores expostas aos usuários. É um wrapper na internalMicrosoft.ML.Trainers.FastTree.InternalTreeEnsemble entrada TreeEnsemble<T>.

Métodos

GetFeatureWeights(VBuffer<Single>)

Obtenha os ganhos cumulativos de divisão para cada recurso em todas as árvores. (Herdado de TreeEnsembleModelParameters)

Implantações explícitas de interface

ICalculateFeatureContribution.FeatureContributionCalculator

Usado para determinar a contribuição de cada recurso para a pontuação de um exemplo por FeatureContributionCalculatingTransformer. O cálculo da contribuição de recursos consiste essencialmente em determinar quais divisões na árvore têm mais impacto na pontuação final e atribuir o valor do impacto aos recursos que determinam a divisão. Mais precisamente, a contribuição de um recurso é igual à alteração na pontuação produzida explorando a subárvore oposta sempre que um nó de decisão para o recurso especificado é encontrado. Considere um caso simples com uma única árvore de decisão que tenha um nó de decisão para o recurso binário F1. Dado um exemplo que tem o recurso F1 igual a true, podemos calcular a pontuação que ele teria obtido se escolhermos a subárvore correspondente ao recurso F1 ser igual a false, mantendo os outros recursos constantes. A contribuição do recurso F1 para o exemplo especificado é a diferença entre a pontuação original e a pontuação obtida tomando a decisão oposta no nó correspondente ao recurso F1. Esse algoritmo se estende naturalmente a modelos com muitas árvores de decisão. (Herdado de TreeEnsembleModelParameters)

ICanSaveModel.Save(ModelSaveContext)

TreeEnsembleModelParametersBasedOnQuantileRegressionTree é derivado de TreeEnsembleModelParameters mais um atributo público fortemente tipado, TrainedTreeEnsemblepara expor os detalhes do modelo treinado aos usuários. Sua função é Microsoft.ML.Trainers.FastTree.TreeEnsembleModelParametersBasedOnQuantileRegressionTree.CreateTreeEnsembleFromInternalDataStructurechamada para criar TrainedTreeEnsemble dentro TreeEnsembleModelParameters. Observe que a principal diferença entre TreeEnsembleModelParametersBasedOnQuantileRegressionTree e TreeEnsembleModelParametersBasedOnRegressionTree é o tipo de TrainedTreeEnsemble. (Herdado de ModelParametersBase<TOutput>)