LightGbmRankingModelParameters 類別

定義

命名空間:

Microsoft.ML.Trainers.LightGbm

組件:

Microsoft.ML.LightGbm.dll

套件:

Microsoft.ML.LightGbm v3.0.1

的 LightGbmRankingTrainer 模型參數。

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

type LightGbmRankingModelParameters = class
    inherit TreeEnsembleModelParametersBasedOnRegressionTree

Public NotInheritable Class LightGbmRankingModelParameters
Inherits TreeEnsembleModelParametersBasedOnRegressionTree

繼承

Object

ModelParametersBase<Single>

TreeEnsembleModelParameters

TreeEnsembleModelParametersBasedOnRegressionTree

LightGbmRankingModelParameters

屬性

TrainedTreeEnsemble

公開給使用者的樹狀結構。 它是 中的 TreeEnsemble<T> 包裝函式。 internalMicrosoft.ML.Trainers.FastTree.InternalTreeEnsemble (繼承來源 TreeEnsembleModelParametersBasedOnRegressionTree)

方法

GetFeatureWeights(VBuffer<Single>)

取得所有樹狀結構中每個功能的累計分割增益。 (繼承來源 TreeEnsembleModelParameters)

明確介面實作

ICalculateFeatureContribution.FeatureContributionCalculator	用來判斷每個功能對 範例 FeatureContributionCalculatingTransformer 分數的比重。 特徵貢獻的計算基本上包含判斷樹狀結構中的分割對最終分數的影響最大，並將影響的值指派給決定分割的功能。 更精確地說，功能的貢獻等於每次遇到指定功能的決策節點時，探索相反子樹狀結構所產生的分數變更。 請考慮使用具有二進位功能 F1 決策節點的單一決策樹的簡單案例。 假設功能 F1 等於 true 的範例，我們可以計算它所取得的分數，如果我們選擇對應至功能 F1 的子樹等於 false，同時保留其他特徵常數。 指定範例的功能 F1 貢獻在於原始分數與在對應至特徵 F1 之節點的相反決策所取得的分數之間的差異。 此演算法會自然地延伸至具有許多決策樹的模型。 (繼承來源 TreeEnsembleModelParameters)
ICanSaveModel.Save(ModelSaveContext)	的 LightGbmRankingTrainer 模型參數。 (繼承來源 ModelParametersBase<TOutput>)