FastForestBinaryTrainer 类
定义
重要
一些信息与预发行产品相关，相应产品在发行之前可能会进行重大修改。 对于此处提供的信息，Microsoft 不作任何明示或暗示的担保。
用于 IEstimator<TTransformer> 使用快速林训练决策树二元分类模型。
public sealed class FastForestBinaryTrainer : Microsoft.ML.Trainers.FastTree.RandomForestTrainerBase<Microsoft.ML.Trainers.FastTree.FastForestBinaryTrainer.Options,Microsoft.ML.Data.BinaryPredictionTransformer<Microsoft.ML.Trainers.FastTree.FastForestBinaryModelParameters>,Microsoft.ML.Trainers.FastTree.FastForestBinaryModelParameters>type FastForestBinaryTrainer = class
inherit RandomForestTrainerBase<FastForestBinaryTrainer.Options, BinaryPredictionTransformer<FastForestBinaryModelParameters>, FastForestBinaryModelParameters>Public NotInheritable Class FastForestBinaryTrainer
Inherits RandomForestTrainerBase(Of FastForestBinaryTrainer.Options, BinaryPredictionTransformer(Of FastForestBinaryModelParameters), FastForestBinaryModelParameters)- 继承
注解
若要创建此训练程序，请使用 FastForest 或 FastForest (选项) 。
输入和输出列
输入标签列数据必须为 Boolean。 输入特征列数据必须是已知大小的向量 Single。
该训练程序输出以下列：
| 输出列名称 | 列名称 | 说明 | |
|---|---|---|---|
Score |
Single | 模型计算的未绑定分数。 | |
PredictedLabel |
Boolean | 预测的标签，基于分数符号。 负分数映射到 false，正分数映射到 true。 |
|
Probability |
Single | 通过校准具有 true 作为标签的分数来计算的概率。 概率值在 [0， 1] 范围内。 |
训练器特征
| 机器学习任务 | 二元分类 |
| 规范化是否需要？ | 否 |
| 是否需要缓存？ | 否 |
| 除 Microsoft.ML 外所需的 NuGet | Microsoft.ML.FastTree |
| 可导出到 ONNX | 是 |
训练算法详细信息
决策树是对输入执行一系列简单测试的非参数模型。 此决策过程将决策树映射到训练数据集中的输出，这些数据集的输入与正在处理的实例类似。 基于相似性度量值在二叉树数据结构的每个节点处做出决策，该度量值通过树的分支以递归方式映射每个实例，直到到达适当的叶节点并返回输出决策。
决策树具有若干优势：
- 在训练和预测期间的计算和内存使用效率都很高。
- 它们可以表示非线性决策边界。
- 可执行集成的特征选择和分类。
- 可以抵抗干扰特征的影响。
快速林是随机林实现。 该模型由决策树的系综构成。 决策林中的每棵树都通过预测输出高斯分布。 聚合是通过树的集成执行的，用于查找与模型中所有树的组合分布最接近的高斯分布。 此决策林分类器由决策树的系综构成。
一般说来，系综模型可以提供比单个决策树更大的覆盖范围和更高的准确度。 决策林中的每棵树均输出一个高斯分布。
有关详细信息，请参阅：
有关用法示例的链接，请查看“另请参阅”部分。
字段
| FeatureColumn |
训练程序期望的功能列。 (继承自 TrainerEstimatorBase<TTransformer,TModel>) |
| GroupIdColumn |
排名训练器期望的可选 groupID 列。 (继承自 TrainerEstimatorBaseWithGroupId<TTransformer,TModel>) |
| LabelColumn |
训练程序期望的标签列。 可以是 |
| WeightColumn |
训练器期望的权重列。 可以 |
属性
| Info |
用于 IEstimator<TTransformer> 使用快速林训练决策树二元分类模型。 (继承自 FastTreeTrainerBase<TOptions,TTransformer,TModel>) |
方法
| Fit(IDataView, IDataView) |
使用训练和验证数据训练一个 FastForestBinaryTrainer 返回 a BinaryPredictionTransformer<TModel>. |
| Fit(IDataView) |
火车并返回一个 ITransformer。 (继承自 TrainerEstimatorBase<TTransformer,TModel>) |
| GetOutputSchema(SchemaShape) |
用于 IEstimator<TTransformer> 使用快速林训练决策树二元分类模型。 (继承自 TrainerEstimatorBase<TTransformer,TModel>) |
扩展方法
| AppendCacheCheckpoint<TTrans>(IEstimator<TTrans>, IHostEnvironment) |
将“缓存检查点”追加到估算器链。 这将确保针对缓存的数据训练下游估算器。 在执行多个数据传递的训练器之前，拥有缓存检查点会很有帮助。 |
| WithOnFitDelegate<TTransformer>(IEstimator<TTransformer>, Action<TTransformer>) |
给定估算器后，返回将调用委托的 Fit(IDataView) 包装对象。 估算器通常必须返回有关拟合情况的信息，这就是为什么 Fit(IDataView) 该方法返回特定类型化对象的原因，而不仅仅是常规 ITransformer对象。 但是，同时， IEstimator<TTransformer> 通常形成为包含许多对象的管道，因此，我们可能需要通过 EstimatorChain<TLastTransformer> 估算器链生成一系列估算器，以便我们要获取转换器的估算器被埋在此链中的某个位置。 对于这种情况，我们可以通过此方法附加调用一次将调用的委托。 |