LightGbmRankingModelParameters 类

定义

命名空间:

Microsoft.ML.Trainers.LightGbm

程序集:

Microsoft.ML.LightGbm.dll

包:

Microsoft.ML.LightGbm v3.0.1

的 LightGbmRankingTrainer模型参数 。

public sealed class LightGbmRankingModelParameters : Microsoft.ML.Trainers.FastTree.TreeEnsembleModelParametersBasedOnRegressionTree

type LightGbmRankingModelParameters = class
    inherit TreeEnsembleModelParametersBasedOnRegressionTree

Public NotInheritable Class LightGbmRankingModelParameters
Inherits TreeEnsembleModelParametersBasedOnRegressionTree

继承

Object

ModelParametersBase<Single>

TreeEnsembleModelParameters

TreeEnsembleModelParametersBasedOnRegressionTree

LightGbmRankingModelParameters

属性

TrainedTreeEnsemble

向用户公开的树的合奏。 它是一个包装 internalMicrosoft.ML.Trainers.FastTree.InternalTreeEnsemble 器 TreeEnsemble<T>。 (继承自 TreeEnsembleModelParametersBasedOnRegressionTree)

方法

GetFeatureWeights(VBuffer<Single>)

获取所有树中每个功能的累积拆分收益。 (继承自 TreeEnsembleModelParameters)

显式接口实现

ICalculateFeatureContribution.FeatureContributionCalculator	用于确定每个功能对示例分数的贡献。FeatureContributionCalculatingTransformer 特征贡献的计算实质上包括确定树中的拆分对最终分数的影响最大，并将影响的值分配给确定拆分的功能。 更确切地说，特征的贡献等于每次遇到给定特征的决策节点时，通过探索相反的子树生成的分数变化。 对于具有二进制特征 F1 的决策节点的单个决策树，请考虑一个简单的情况。 假设特征 F1 等于 true 的示例，如果我们选择对应于特征 F1 的子树相等的子树，则我们可以计算它获得的分数，同时保持其他特征常量。 给定示例的功能 F1 的贡献是原始分数与在对应于特征 F1 的节点上做出相反决定获得的分数之间的差异。 此算法自然扩展到具有许多决策树的模型。 (继承自 TreeEnsembleModelParameters)
ICanSaveModel.Save(ModelSaveContext)	的 LightGbmRankingTrainer模型参数 。 (继承自 ModelParametersBase<TOutput>)