FastTreeBinaryTrainer.Options Třída

Definice

Obor názvů:

Microsoft.ML.Trainers.FastTree

Sestavení:

Microsoft.ML.FastTree.dll

Balíček:

Microsoft.ML.FastTree v2.0.0

Možnosti pro, jak se FastTreeBinaryTrainer používá v FastTree(Options).

public sealed class FastTreeBinaryTrainer.Options : Microsoft.ML.Trainers.FastTree.BoostedTreeOptions, Microsoft.ML.Runtime.IComponentFactory<Microsoft.ML.ITrainer>

type FastTreeBinaryTrainer.Options = class
    inherit BoostedTreeOptions
    interface IComponentFactory<ITrainer>
    interface IComponentFactory

Public NotInheritable Class FastTreeBinaryTrainer.Options
Inherits BoostedTreeOptions
Implements IComponentFactory(Of ITrainer)

Dědičnost

Object

TrainerInputBase

TrainerInputBaseWithLabel

TrainerInputBaseWithWeight

TrainerInputBaseWithGroupId

TreeOptions

BoostedTreeOptions

FastTreeBinaryTrainer.Options

Implementuje

IComponentFactory IComponentFactory<Microsoft.ML.ITrainer>

Konstruktory

FastTreeBinaryTrainer.Options()

Vytvořte nový FastTreeBinaryTrainer.Options objekt s výchozími hodnotami.

Pole

AllowEmptyTrees	Pokud rozdělení kořene není možné, povolte trénování pokračovat. (Zděděno od TreeOptions)
BaggingExampleFraction	Procento trénovacích příkladů použitých v každém sáčku Výchozí hodnota je 0,7 (70 %). (Zděděno od TreeOptions)
BaggingSize	Počet stromů v každém sáčku (0 pro zakázání pytlování) (Zděděno od TreeOptions)
BestStepRankingRegressionTrees	Možnost použití nejlepších stromů regresních kroků (Zděděno od BoostedTreeOptions)
Bias	Předpojatost pro výpočet přechodu pro každou přihrádku funkce pro kategorickou funkci (Zděděno od TreeOptions)
Bundling	Svazky s nízkým počtem přihrádek. Bundle.None(0): no bundling, Bundle.AggregateLowPopulation(1): Bundle low population, Bundle.Adjacent(2): Neighbor low population bundle. (Zděděno od TreeOptions)
CategoricalSplit	Zda se má provést rozdělení na základě více hodnot funkcí kategorií. (Zděděno od TreeOptions)
CompressEnsemble	Komprimujte stromOvý soubor. (Zděděno od TreeOptions)
DiskTranspose	Jestli se má při provádění transpozice využít disk nebo nativní transpozice dat (pokud je to možné). (Zděděno od TreeOptions)
DropoutRate	Míra poklesu pro regularizaci stromu. (Zděděno od BoostedTreeOptions)
EnablePruning	Povolte prořezávání stromu po trénování, abyste se vyhnuli přeurčení. Vyžaduje ověřovací sadu. (Zděděno od BoostedTreeOptions)
EntropyCoefficient	Koeficient entropie (regularizace) mezi 0 a 1. (Zděděno od TreeOptions)
ExampleWeightColumnName	Sloupec, který se použije například pro tloušťku. (Zděděno od TrainerInputBaseWithWeight)
ExecutionTime	Vytiskněte rozpis doby provádění do ML.NET kanálu. (Zděděno od TreeOptions)
FeatureColumnName	Sloupec, který se má použít pro funkce. (Zděděno od TrainerInputBase)
FeatureFirstUsePenalty	Funkce nejprve použije sankční koeficient. (Zděděno od TreeOptions)
FeatureFlocks	Zda se mají během přípravy datové sady shromažďovat funkce, aby se urychlila trénování. (Zděděno od TreeOptions)
FeatureFraction	Zlomek funkcí (vybraných náhodně), které se mají použít při každé iteraci. Pokud potřebujete jenom 90 % funkcí, použijte 0,9. Nižší čísla pomáhají snížit nadměrnou montáž. (Zděděno od TreeOptions)
FeatureFractionPerSplit	Zlomek funkcí (vybraných náhodně), který se má použít při každém rozdělení. Pokud je hodnota 0,9, 90 % všech funkcí by se v očekávání vynechalo. (Zděděno od TreeOptions)
FeatureReusePenalty	Koeficient opětovného použití funkce (regularizace). (Zděděno od TreeOptions)
FeatureSelectionSeed	Počáteční hodnota výběru aktivní funkce. (Zděděno od TreeOptions)
FilterZeroLambdas	Během trénování vyfiltrujte nulu lambda. (Zděděno od BoostedTreeOptions)
GainConfidenceLevel	Stromové fitinky získat jistotu požadavek. Zisk zvažte pouze v případě, že jeho pravděpodobnost versus náhodný zisk volby je vyšší než tato hodnota. (Zděděno od TreeOptions)
GetDerivativesSampleRate	Ukázka každého dotazu 1 v k krát ve funkci GetDerivatives (Zděděno od BoostedTreeOptions)
HistogramPoolSize	Počet histogramů ve fondu (mezi 2 a numLeaves) (Zděděno od TreeOptions)
LabelColumnName	Sloupec, který se má použít pro popisky. (Zděděno od TrainerInputBaseWithLabel)
LearningRate	Rychlost učení. (Zděděno od BoostedTreeOptions)
MaximumBinCountPerFeature	Maximální počet jedinečných hodnot (přihrádek) na funkci (Zděděno od TreeOptions)
MaximumCategoricalGroupCountPerNode	Maximální počet kategorických skupin rozdělení, které je potřeba vzít v úvahu při rozdělení u funkce kategorií. Rozdělené skupiny jsou kolekcí bodů rozdělení. To se používá ke snížení přeurčení, pokud existuje mnoho funkcí kategorií. (Zděděno od TreeOptions)
MaximumCategoricalSplitPointCount	Maximální počet bodů rozdělení kategorií, které je potřeba vzít v úvahu při dělení u funkce kategorií. (Zděděno od TreeOptions)
MaximumNumberOfLineSearchSteps	Počet kroků hledání řádků po závorce (Zděděno od BoostedTreeOptions)
MaximumTreeOutput	Horní mez na absolutní hodnotu výstupu jednoho stromu. (Zděděno od BoostedTreeOptions)
MemoryStatistics	Vytiskněte statistiku paměti do ML.NET kanálu. (Zděděno od TreeOptions)
MinimumExampleCountPerLeaf	Minimální počet datových bodů potřebných k vytvoření nového stromového listu. (Zděděno od TreeOptions)
MinimumExampleFractionForCategoricalSplit	Minimální procento příkladu kategorií v intervalu, které je potřeba zvážit pro rozdělení. Výchozí hodnota je 0,1 % všech trénovacích příkladů. (Zděděno od TreeOptions)
MinimumExamplesForCategoricalSplit	Minimální počet příkladů kategorií v intervalu, který je potřeba zvážit pro rozdělení. (Zděděno od TreeOptions)
MinimumStepSize	Minimální velikost kroku vyhledávání řádků. (Zděděno od BoostedTreeOptions)
NumberOfLeaves	Maximální počet listů v každém regresním stromu. (Zděděno od TreeOptions)
NumberOfThreads	Počet vláken, která se mají použít. (Zděděno od TreeOptions)
NumberOfTrees	Celkový počet rozhodovacích stromů, které se mají vytvořit v souboru. (Zděděno od TreeOptions)
OptimizationAlgorithm	Algoritmus optimalizace, který se má použít. (Zděděno od BoostedTreeOptions)
PruningThreshold	Prahová hodnota tolerance pro vyřezávání. (Zděděno od BoostedTreeOptions)
PruningWindowSize	Velikost pohyblivého okna pro vyřezávání. (Zděděno od BoostedTreeOptions)
RandomStart	Trénování začíná náhodným řazením (určeným /r1). (Zděděno od BoostedTreeOptions)
RowGroupColumnName	Sloupec, který se použije jako příklad groupId. (Zděděno od TrainerInputBaseWithGroupId)
Seed	Počáteční hodnota generátoru náhodných čísel. (Zděděno od TreeOptions)
Shrinkage	Smršťování. (Zděděno od BoostedTreeOptions)
Smoothing	Parametr vyhlazování pro regularizaci stromu (Zděděno od TreeOptions)
SoftmaxTemperature	Teplota náhodného rozdělení softmax pro výběr funkce. (Zděděno od TreeOptions)
SparsifyThreshold	Úroveň sparsity potřebná k použití řídké reprezentace funkcí. (Zděděno od TreeOptions)
TestFrequency	Vypočítejte hodnoty metrik pro trénování/platné/test každé kolo k. (Zděděno od TreeOptions)
UnbalancedSets	Zda používat deriváty optimalizované pro nevyrovnaná trénovací data
UseLineSearch	Určuje, zda se má použít řádkové vyhledávání pro velikost kroku. (Zděděno od BoostedTreeOptions)
UseTolerantPruning	Pro vyřezávání používejte okno a toleranci. (Zděděno od BoostedTreeOptions)
WriteLastEnsemble	Napište poslední soubor místo toho, který je určený včasným zastavením. (Zděděno od BoostedTreeOptions)

Vlastnosti

EarlyStoppingMetric	Metriky předčasného zastavení
EarlyStoppingRule	Pravidlo předčasného zastavení, které se používá k ukončení procesu trénování po splnění zadaného kritéria. Možné volby jsou EarlyStoppingRuleBaseimplementace, jako TolerantEarlyStoppingRule je a GeneralityLossRule. (Zděděno od BoostedTreeOptions)

Explicitní implementace rozhraní

IComponentFactory<ITrainer>.CreateComponent(IHostEnvironment)

Možnosti pro, jak se FastTreeBinaryTrainer používá v FastTree(Options).