TreeOptions 類別

定義

命名空間:

Microsoft.ML.Trainers.FastTree

組件:

Microsoft.ML.FastTree.dll

套件:

Microsoft.ML.FastTree v3.0.1

樹狀結構定型工具的選項。

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

type TreeOptions = class
    inherit TrainerInputBaseWithGroupId

Public MustInherit Class TreeOptions
Inherits TrainerInputBaseWithGroupId

繼承

Object

TrainerInputBase

TrainerInputBaseWithLabel

TrainerInputBaseWithWeight

TrainerInputBaseWithGroupId

TreeOptions

衍生

Microsoft.ML.Trainers.FastTree.BoostedTreeOptions

Microsoft.ML.Trainers.FastTree.FastForestOptionsBase

建構函式

TreeOptions()

樹狀結構定型工具的選項。

欄位

AllowEmptyTrees	當無法分割根時，允許訓練繼續進行。
BaggingExampleFraction	每個包中使用的定型範例百分比。 預設值為 0.7 (70%) 。
BaggingSize	每個包 (0 的樹狀結構數目，以停用) 。
Bias	針對類別特徵的每個特徵量化計算漸層的偏差。
Bundling	組合低母體擴展量化。Bundle.None (0) ： no bundleling， Bundle.AggregateLowPopulation (1) ： Bundle low population， Bundle.Adjacent (2) ： Neighbor low population bundle.
CategoricalSplit	是否要根據多個類別特徵值進行分割。
CompressEnsemble	壓縮樹狀結構Ensemble。
DiskTranspose	在執行轉置時，是否要利用磁片或資料的原生轉置功能， (適用的) 。
EntropyCoefficient	entropy (正規化) 0 到 1 之間的係數。
ExampleWeightColumnName	要用於範例權數的資料行。 (繼承來源 TrainerInputBaseWithWeight)
ExecutionTime	列印執行時間明細以 ML.NET 通道。
FeatureColumnName	要用於功能的資料行。 (繼承來源 TrainerInputBase)
FeatureFirstUsePenalty	特徵會先使用懲罰係數。
FeatureFlocks	是否要在資料集準備期間收集特徵，以加速定型。
FeatureFraction	(隨機播放的功能分數，) 在每個反復專案上使用。 如果需要 90% 的功能，請使用 0.9。 較低的數位有助於減少過度調整。
FeatureFractionPerSplit	(隨機播放的功能分數) ，以用於每個分割。 如果值為 0.9，則會在預期中捨棄所有功能的 90%。
FeatureReusePenalty	特徵重複使用懲罰 (正規化) 係數。
FeatureSelectionSeed	作用中特徵選取專案的種子。
GainConfidenceLevel	樹狀結構調整可取得信賴需求。 只有在其可能性與隨機播放增益高於此值時，才考慮取得。
HistogramPoolSize	集區中的長條圖數目 (介於 2 到 numLeaves) 之間。
LabelColumnName	要用於標籤的資料行。 (繼承來源 TrainerInputBaseWithLabel)
MaximumBinCountPerFeature	每個功能) 的間隔 (相異值數目上限。
MaximumCategoricalGroupCountPerNode	在類別功能上分割時要考慮的類別分割群組上限。 分割群組是分割點的集合。 當有許多類別特徵時，這會用來減少過度學習。
MaximumCategoricalSplitPointCount	在類別特徵上分割時要考慮的類別分割點上限。
MemoryStatistics	將記憶體統計資料列印至 ML.NET 通道。
MinimumExampleCountPerLeaf	形成新樹狀結構分葉所需的最少資料點數目。
MinimumExampleFractionForCategoricalSplit	要考慮分割之量化中的類別範例百分比下限。 所有訓練範例的預設值為 0.1%。
MinimumExamplesForCategoricalSplit	要考慮分割之量化中的最小類別範例計數。
NumberOfLeaves	每個迴歸樹狀結構中的分葉數目上限。
NumberOfThreads	要使用的執行緒數目。
NumberOfTrees	在內建中建立的決策樹總數。
RowGroupColumnName	要用於 example groupId 的資料行。 (繼承來源 TrainerInputBaseWithGroupId)
Seed	亂數產生器的種子。
Smoothing	樹狀結構正規化的 Smoothing 參數。
SoftmaxTemperature	隨機化 softmax 分佈的溫度，用於選擇此功能。
SparsifyThreshold	使用疏鬆特徵表示所需的疏鬆層級。
TestFrequency	計算每個 k 舍入的定型/有效/測試計量值。