Microsoft.ML.Trainers.FastTree Пространство имен

Варианты повышения обучения деревьев.

Пространство имен, содержащее обучающие элементы, параметры модели и служебные программы для алгоритмов быстрого дерева.

Последовательная потеря в целом (UP).

Пространство имен, содержащее обучающие элементы, параметры модели и служебные программы для алгоритмов быстрого дерева.

Правило раннего остановки, используемое для завершения процесса обучения после выполнения указанного критерия. Используется для параметра EarlyStoppingRuleEarlyStoppingRule.

Преобразование IEstimator<TTransformer> вектора входных функций в функции на основе деревьев.

Параметры FastForestBinaryFeaturizationEstimator.

Параметры модели для FastForestBinaryTrainer.

Для IEstimator<TTransformer> обучения модели двоичной классификации дерева принятия решений с помощью Fast Forest.

Параметры для FastForestBinaryTrainer использования в FastForest(Options).

Базовый класс для параметров быстрого обучения леса.

Преобразование IEstimator<TTransformer> вектора входных функций в функции на основе деревьев.

Параметры FastForestRegressionFeaturizationEstimator.

Параметры модели для FastForestRegressionTrainer.

Для IEstimator<TTransformer> обучения модели регрессии дерева принятия решений с помощью Fast Forest.

Параметры для FastForestRegressionTrainer использования в FastForest(Options).

Преобразование IEstimator<TTransformer> вектора входных функций в функции на основе деревьев.

Параметры FastTreeBinaryFeaturizationEstimator.

Параметры модели для FastTreeBinaryTrainer.

Для IEstimator<TTransformer> обучения модели двоичной классификации дерева принятия решений с помощью FastTree.

Параметры для FastTreeBinaryTrainer использования в FastTree(Options).

Преобразование IEstimator<TTransformer> вектора входных функций в функции на основе деревьев.

Параметры FastTreeRankingFeaturizationEstimator.

Параметры модели для FastTreeRankingTrainer.

Для IEstimator<TTransformer> обучения модели ранжирования дерева принятия решений с помощью FastTree.

Параметры для FastTreeRankingTrainer использования в FastTree(Options).

Преобразование IEstimator<TTransformer> вектора входных функций в функции на основе деревьев.

Параметры FastTreeRegressionFeaturizationEstimator.

Параметры модели для FastForestRegressionTrainer.

Для IEstimator<TTransformer> обучения модели регрессии дерева принятия решений с помощью FastTree.

Параметры для FastTreeRegressionTrainer использования в FastTree(Options).

Пространство имен, содержащее обучающие элементы, параметры модели и служебные программы для алгоритмов быстрого дерева.

Преобразование IEstimator<TTransformer> вектора входных функций в функции на основе деревьев.

Параметры FastTreeTweedieFeaturizationEstimator.

Параметры модели для FastTreeTweedieTrainer.

Для IEstimator<TTransformer> обучения модели регрессии дерева принятия решений с помощью функции потери Tweedie. Этот тренер является обобщением Poisson, составной Пуассон и гамма регрессии.

Параметры для FastTreeTweedieTrainer использования в FastTreeTweedie(Options).

Параметры модели для GamBinaryTrainer.

Обучение IEstimator<TTransformer> модели двоичной классификации с обобщенными аддитивными моделями (GAM).

Параметры для GamBinaryTrainer использования в Gam(Options).

Базовый класс для параметров модели GAM.

Параметры модели для GamRegressionTrainer.

Для IEstimator<TTransformer> обучения модели регрессии с обобщенными аддитивными моделями (GAM).

Параметры для GamRegressionTrainer использования в Gam(Options).

Базовый класс для параметров обучающего средства на основе GAM.

Базовый класс для тренеров GAM.

Потеря общего характера (GL).

Общее отношение к ходу выполнения (PQ).

Низкий прогресс (LP). Это правило срабатывает, когда улучшения на счете стойлы.

Пространство имен, содержащее обучающие элементы, параметры модели и служебные программы для алгоритмов быстрого дерева.

Объект, IEstimator<TTransformer> содержащий предварительно обученный и вызывающий его TreeEnsembleModelParameters создает инсификатор на основе предварительно обученной Fit(IDataView) модели.

PretrainedTreeFeaturizationEstimator.Options PretrainedTreeFeaturizationEstimator используется при вызовеFeaturizeByPretrainTreeEnsemble(TransformsCatalog, PretrainedTreeFeaturizationEstimator+Options).

Класс контейнера для предоставления Microsoft.ML.Trainers.FastTree.InternalQuantileRegressionTreeатрибутов пользователям. Этот класс не должен быть изменяемым, поэтому он содержит много элементов только для чтения. Помимо вещей, унаследованных от RegressionTreeBase, мы добавляем GetLeafSamplesAt(Int32) и GetLeafSampleWeightsAt(Int32) предоставляем (под примеры) метки обучения, падающие на листеIndex-th и их весы.

Пространство имен, содержащее обучающие элементы, параметры модели и служебные программы для алгоритмов быстрого дерева.

Пространство имен, содержащее обучающие элементы, параметры модели и служебные программы для алгоритмов быстрого дерева.

Класс контейнера для предоставления Microsoft.ML.Trainers.FastTree.InternalRegressionTreeатрибутов пользователям. Этот класс не должен быть изменяемым, поэтому он содержит много элементов только для чтения. Обратите внимание, что это идентичноRegressionTree, RegressionTreeBase но в другом производном классе QuantileRegressionTree добавляются некоторые атрибуты.

Базовый класс контейнера для предоставления Microsoft.ML.Trainers.FastTree.InternalRegressionTreeатрибутов и Microsoft.ML.Trainers.FastTree.InternalQuantileRegressionTreeатрибутов пользователям. Этот класс не должен быть изменяемым, поэтому он содержит много элементов только для чтения.

Пространство имен, содержащее обучающие элементы, параметры модели и служебные программы для алгоритмов быстрого дерева.

Пространство имен, содержащее обучающие элементы, параметры модели и служебные программы для алгоритмов быстрого дерева.

Список производных RegressionTreeBaseклассов. Чтобы вычислить выходное значение TreeEnsemble<T>объекта, необходимо вычислить выходные значения всех деревьев Trees, масштабировать эти значения с помощью TreeWeightsи, наконец, суммировать масштабируемые значения и Bias вверх.

Этот класс инкапсулирует общее поведение всех признаков на основе деревьев, таких как FastTreeBinaryFeaturizationEstimator, , FastForestBinaryFeaturizationEstimatorи FastTreeRegressionFeaturizationEstimatorFastForestRegressionFeaturizationEstimatorPretrainedTreeFeaturizationEstimator. Все компоненты на основе дерева используют одну и ту же выходную схему, вычисленную GetOutputSchema(SchemaShape)на основе деревьев. Для всех суффиксов на основе дерева требуется имя столбца входных признаков и суффикс для всех выходных столбцов. Возвращаемый ITransformerFit(IDataView) результатом создает три столбца: (1) значения прогнозирования всех деревьев, (2) идентификаторы вектора входных признаков впадают в и (3) двоичный вектор, который кодирует пути к этим листьям назначения.

Распространенные варианты признаков на основе деревьев, таких как FastTreeBinaryFeaturizationEstimator, FastForestBinaryFeaturizationEstimator, , FastTreeRegressionFeaturizationEstimatorFastForestRegressionFeaturizationEstimatorи PretrainedTreeFeaturizationEstimator.

ITransformer результатом применения любого производного TreeEnsembleFeaturizationEstimatorBaseкласса . Производные классы включают, например, FastTreeBinaryFeaturizationEstimator и FastForestRegressionFeaturizationEstimator.

Пространство имен, содержащее обучающие элементы, параметры модели и служебные программы для алгоритмов быстрого дерева.

TreeEnsembleModelParametersBasedOnQuantileRegressionTree производный от TreeEnsembleModelParameters плюс строго типизированного общедоступного атрибута, TrainedTreeEnsembleдля предоставления пользователям сведений обученной модели. Его функция Microsoft.ML.Trainers.FastTree.TreeEnsembleModelParametersBasedOnQuantileRegressionTree.CreateTreeEnsembleFromInternalDataStructure, вызывается для создания TrainedTreeEnsemble внутри TreeEnsembleModelParameters. Обратите внимание, что основное различие между TreeEnsembleModelParametersBasedOnQuantileRegressionTree и TreeEnsembleModelParametersBasedOnRegressionTree является типом TrainedTreeEnsemble.

TreeEnsembleModelParametersBasedOnRegressionTree производный от TreeEnsembleModelParameters плюс строго типизированного общедоступного атрибута, TrainedTreeEnsembleдля предоставления пользователям сведений обученной модели. Его функция Microsoft.ML.Trainers.FastTree.TreeEnsembleModelParametersBasedOnRegressionTree.CreateTreeEnsembleFromInternalDataStructure, вызывается для создания TrainedTreeEnsemble внутри TreeEnsembleModelParameters. Обратите внимание, что основное различие между TreeEnsembleModelParametersBasedOnQuantileRegressionTree и TreeEnsembleModelParametersBasedOnRegressionTree является типом TrainedTreeEnsemble.

Параметры для обучающих деревьев.

Типы алгоритмов оптимизации.

Пространство имен, содержащее обучающие элементы, параметры модели и служебные программы для алгоритмов быстрого дерева.

Остановка измерений для классификации и регрессии.

Остановка измерений для ранжирования.