FastTreeBinaryFeaturizationEstimator 类

定义

命名空间:

Microsoft.ML.Trainers.FastTree

程序集:

Microsoft.ML.FastTree.dll

包:

Microsoft.ML.FastTree v2.0.0

用于 IEstimator<TTransformer> 将输入特征向量转换为基于树的特征的 。

public sealed class FastTreeBinaryFeaturizationEstimator : Microsoft.ML.Trainers.FastTree.TreeEnsembleFeaturizationEstimatorBase

type FastTreeBinaryFeaturizationEstimator = class
    inherit TreeEnsembleFeaturizationEstimatorBase

Public NotInheritable Class FastTreeBinaryFeaturizationEstimator
Inherits TreeEnsembleFeaturizationEstimatorBase

继承

Object

TreeEnsembleFeaturizationEstimatorBase

FastTreeBinaryFeaturizationEstimator

注解

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 的已知大小向量 Single。

此估算器输出以下列：

输出列名称	列名称	说明
Trees	已知大小的向量 Single	所有树的输出值。 其大小与树集成模型中的树总数相同。
Leaves	已知大小的向量 Single	输入特征向量所在的所有叶 ID 的 0-1 向量表示形式。 其大小是树合奏模型中的总叶数。
Paths	已知大小的向量 Single	输入特征向量传递以到达叶的路径的 0-1 向量表示形式。 其大小是树集成模型中的非叶节点数。

这些输出列都是可选的，用户可以更改其名称。 请将跳过列的名称设置为 null，以免生成这些名称。

预测详细信息

此估算器从树集成模型生成多个输出列。 假设模型仅包含一个决策树：

               Node 0
               /    \
             /        \
           /            \
         /                \
       Node 1            Node 2
       /    \            /    \
     /        \        /        \
   /            \     Leaf -3  Node 3
  Leaf -1      Leaf -2         /    \
                             /        \
                            Leaf -4  Leaf -5

假设输入特征向量属于 Leaf -1。 输出 Trees 可以是 1 元素向量，其中唯一的值是 携带的 Leaf -1决策值。 输出 Leaves 为 0-1 向量。 如果到达的叶是按 $- (i+1) $ 索引的第$i$ (，则第一个叶是 Leaf -1 树中的) 叶，则 中的 Leaves 第$i$值将为 1，所有其他值为 0。 输出 Paths 是到达叶之前通过的节点的 0-1 表示形式。 中的 $i$-th 元素 Paths 指示是否 (按 $i$) 索引$i$ 节点。 例如，到达 Leaf -1 潜在顾客 $[1， 1， 0， 0]$ 作为 Paths。 如果有多个树，则此估算器只是TreesLeavesPaths连接所有树的 ， (第一棵树的信息首先出现在串联向量) 。

有关使用示例的链接，请查看“另请参阅”部分。

方法

Fit(IDataView)	生成一个 ， TreeEnsembleModelParameters 它将调用 InputColumnName 的 input 列映射到三个输出列。 (继承自 TreeEnsembleFeaturizationEstimatorBase)
GetOutputSchema(SchemaShape)	PretrainedTreeFeaturizationEstimator 将三个浮向量列添加到 中 inputSchema。 给定特征向量列，添加的列是所有树的预测值、特征向量所属的叶 ID 以及这些树叶的路径。 (继承自 TreeEnsembleFeaturizationEstimatorBase)

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。 在采用多个数据传递的培训师之前设置缓存检查点会很有帮助。
WithOnFitDelegate<TTransformer>(IEstimator<TTransformer>, Action<TTransformer>)	给定估算器后，返回一个包装对象，该对象在调用委托后 Fit(IDataView) 将调用委托。 估算器通常必须返回有关适合的内容的信息，这就是方法返回特定类型对象（而不仅仅是常规 ITransformer对象）的原因Fit(IDataView)。 但是，同时， IEstimator<TTransformer> 通常会形成包含许多对象的管道，因此，我们可能需要通过 EstimatorChain<TLastTransformer> 生成一个估算器链，其中，要获取转换器的估算器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一个委托，该委托将在调用拟合后调用。

另请参阅

• FeaturizeByFastTreeBinary(TransformsCatalog, FastTreeBinaryFeaturizationEstimator+Options)