FastForestRegressionFeaturizationEstimator 類別

定義

命名空間:

Microsoft.ML.Trainers.FastTree

組件:

Microsoft.ML.FastTree.dll

套件:

Microsoft.ML.FastTree v2.0.0

， IEstimator<TTransformer> 可將輸入特徵向量轉換為樹狀結構特徵。

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

type FastForestRegressionFeaturizationEstimator = class
    inherit TreeEnsembleFeaturizationEstimatorBase

Public NotInheritable Class FastForestRegressionFeaturizationEstimator
Inherits TreeEnsembleFeaturizationEstimatorBase

繼承

Object

TreeEnsembleFeaturizationEstimatorBase

FastForestRegressionFeaturizationEstimator

備註

輸入和輸出資料行

輸入標籤資料行資料必須是 Single。 輸入特徵資料行資料必須是 的已知大小向量 Single 。

此估算器會輸出下列資料行：

輸出資料行名稱	資料行類型	描述
Trees	的已知大小向量 Single	所有樹狀目錄的輸出值。 其大小與樹狀結構內建模型中的樹狀結構總數相同。
Leaves	的已知大小向量 Single	0-1 向量表示至輸入特徵向量落入的所有識別碼。 其大小是樹狀結構內建模型中的總分葉數目。
Paths	的已知大小向量 Single	0-1 向量表示至傳遞的輸入特徵向量到達分葉的路徑。 其大小是樹狀結構內建模型中非分葉節點的數目。

這些輸出資料行都是選擇性資料行，使用者可以變更其名稱。 請將略過的資料行名稱設定為 null，使其不會產生。

預測詳細資料

此估算器會從樹狀結構內建模型產生數個輸出資料行。 假設模型只包含一個決策樹：

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

假設輸入特徵向量屬於 Leaf -1 。 輸出 Trees 可能是 1 個元素向量，其中唯一的值是 所 Leaf -1 攜帶的決策值。 輸出 Leaves 是 0-1 向量。 如果到達的分葉是 $- (i+1) $ 編制索引的第$i$個 (，因此樹狀結構中的第一個分葉) 分葉 Leaf -1 ，則 中的$i$-th 值 Leaves 會是 1，而所有其他值都是 0。 輸出 Paths 是到達分葉之前傳遞之節點的 0-1 標記法。 中的 Paths $i$-th 元素會指出$i$-th-節點 (是否受到$i$ 索引) 。 例如，達到 Leaf -1 $[1， 1， 0， 0]$ 作為 Paths 。 如果有多個樹狀結構，則此估算器只會串連 Trees 's、 Leaves ' s Paths ，來自所有樹狀結構 (第一個樹狀結構的資訊會先出現在串連向量) 。

如需使用範例的連結，請參閱另請參閱一節。

方法

Fit(IDataView)	產生 ， TreeEnsembleModelParameters 其會將 中 input 呼叫 InputColumnName 的資料行對應至三個輸出資料行。 (繼承來源 TreeEnsembleFeaturizationEstimatorBase)
GetOutputSchema(SchemaShape)	PretrainedTreeFeaturizationEstimator 會將三個浮向量資料行加入 inputSchema 。 假設有特徵向量資料行，新增的資料行是所有樹狀目錄的預測值、特徵向量落入的分葉識別碼，以及這些分葉的路徑。 (繼承來源 TreeEnsembleFeaturizationEstimatorBase)

擴充方法

AppendCacheCheckpoint<TTrans>(IEstimator<TTrans>, IHostEnvironment)	將「快取檢查點」附加至估算器鏈結。 這可確保下游估算器會針對快取的資料定型。 在接受多個資料通過的定型器之前，擁有快取檢查點會很有説明。
WithOnFitDelegate<TTransformer>(IEstimator<TTransformer>, Action<TTransformer>)	假設有估算器，傳回包裝物件，一旦 Fit(IDataView) 呼叫委派即可。 估算器通常必須傳回符合專案的相關資訊，這就是方法 Fit(IDataView) 傳回特定型別物件的原因，而不只是一般 ITransformer 。 不過，同時 IEstimator<TTransformer> ，通常會形成具有許多物件的管線，因此我們可能需要透過 EstimatorChain<TLastTransformer> 建置估算器的鏈結，而我們想要取得轉換器的估算器會在此鏈結的某處被隱藏。 在該案例中，我們可以透過此方法附加呼叫一次將會呼叫的委派。

另請參閱

• FeaturizeByFastForestRegression(TransformsCatalog, FastForestRegressionFeaturizationEstimator+Options)