TreeOptions 类

定义

命名空间:

Microsoft.ML.Trainers.FastTree

程序集:

Microsoft.ML.FastTree.dll

包:

Microsoft.ML.FastTree v3.0.1

树训练程序的选项。

public abstract class TreeOptions : Microsoft.ML.Trainers.TrainerInputBaseWithGroupId

type TreeOptions = class
    inherit TrainerInputBaseWithGroupId

Public MustInherit Class TreeOptions
Inherits TrainerInputBaseWithGroupId

继承

Object

TrainerInputBase

TrainerInputBaseWithLabel

TrainerInputBaseWithWeight

TrainerInputBaseWithGroupId

TreeOptions

派生

Microsoft.ML.Trainers.FastTree.BoostedTreeOptions

Microsoft.ML.Trainers.FastTree.FastForestOptionsBase

构造函数

TreeOptions()

树训练程序的选项。

字段

AllowEmptyTrees	当无法进行根拆分时，允许继续训练。
BaggingExampleFraction	每个包中使用的训练示例百分比。 默认值为 0.7 (70%) 。
BaggingSize	每个包中禁用装袋) 的树数 (0。
Bias	用于计算分类特征的每个特征箱的梯度的偏差。
Bundling	捆绑低填充箱。Bundle.None (0) ： no bundleling， Bundle.AggregateLowPopulation (1) ： Bundle low population， Bundle.Adjacent (2) ： Neighbor low population bundle.
CategoricalSplit	是否根据多个分类特征值进行拆分。
CompressEnsemble	压缩树系综。
DiskTranspose	在执行转置时，是否使用磁盘或数据的本机转置设施 () 。
EntropyCoefficient	熵 (正则化) 系数介于 0 和 1 之间。
ExampleWeightColumnName	要用于示例权重的列。 (继承自 TrainerInputBaseWithWeight)
ExecutionTime	ML.NET 通道的打印执行时间明细。
FeatureColumnName	要用于特征的列。 (继承自 TrainerInputBase)
FeatureFirstUsePenalty	该特征首先使用惩罚系数。
FeatureFlocks	是否在数据集准备期间收集特征以加快训练速度。
FeatureFraction	(随机选择的特征比例，) 每次迭代时使用。 如果只需要 90% 的功能，请使用 0.9。 较低的数字有助于减少过度拟合。
FeatureFractionPerSplit	(随机选择特征的分数，) 每次拆分时使用。 如果值为 0.9，则 90% 的所有功能都将在预期中下降。
FeatureReusePenalty	特征重用惩罚 (正则化) 系数。
FeatureSelectionSeed	活动特征选择的种子。
GainConfidenceLevel	树拟合获得置信度要求。 仅当其可能性与随机选择增益高于此值时，才考虑增益。
HistogramPoolSize	池中的直方图数 (介于 2 和 numLeaves) 之间。
LabelColumnName	用于标签的列。 (继承自 TrainerInputBaseWithLabel)
MaximumBinCountPerFeature	每个特征的最大不同值（箱）数。
MaximumCategoricalGroupCountPerNode	对分类特征进行拆分时要考虑的最大分类拆分组数。 拆分组是拆分点的集合。 这用于在存在许多分类特征时减少过度拟合。
MaximumCategoricalSplitPointCount	在分类特征上进行拆分时要考虑的最大分类拆分点。
MemoryStatistics	将内存统计信息打印到 ML.NET 通道。
MinimumExampleCountPerLeaf	形成新树叶所需的最小数据点数。
MinimumExampleFractionForCategoricalSplit	要考虑拆分的箱中的最小分类示例百分比。 默认值为所有训练示例的 0.1%。
MinimumExamplesForCategoricalSplit	要考虑拆分的箱中的最小分类示例计数。
NumberOfLeaves	每个回归树中的最大叶数。
NumberOfThreads	要使用的线程数。
NumberOfTrees	在系综中创建的决策树总数。
RowGroupColumnName	要用于示例 groupId 的列。 (继承自 TrainerInputBaseWithGroupId)
Seed	随机数生成器的种子。
Smoothing	用于树正则化的平滑参数。
SoftmaxTemperature	用于选择特征的随机 softmax 分布的温度。
SparsifyThreshold	使用稀疏功能表示形式所需的稀疏级别。
TestFrequency	计算每 k 个轮次的训练/有效/测试的指标值。