FastTreeTweedieFeaturizationEstimator Klasse

Definition

Namespace:

Microsoft.ML.Trainers.FastTree

Assembly:

Microsoft.ML.FastTree.dll

Paket:

Microsoft.ML.FastTree v2.0.0

Ein IEstimator<TTransformer> zum Transformieren des Eingabefunktionsvektors in strukturbasierte Features.

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

type FastTreeTweedieFeaturizationEstimator = class
    inherit TreeEnsembleFeaturizationEstimatorBase

Public NotInheritable Class FastTreeTweedieFeaturizationEstimator
Inherits TreeEnsembleFeaturizationEstimatorBase

Vererbung

Object

TreeEnsembleFeaturizationEstimatorBase

FastTreeTweedieFeaturizationEstimator

Hinweise

Eingabe- und Ausgabespalten

Die Daten in der Spalte für die Eingabezeichnung müssen Single sein. Die Spaltendaten der Eingabefeatures müssen ein Vektor mit bekannter Größe sein Single.

Dieser Schätzer gibt die folgenden Spalten aus:

Name der Ausgabespalte	Spaltentyp	BESCHREIBUNG
Trees	Vektor bekannter Größe von Single	Die Ausgabewerte aller Strukturen. Seine Größe ist identisch mit der Gesamtanzahl der Strukturen im Strukturensemblemodell.
Leaves	Vektor bekannter Größe von Single	0-1-Vektordarstellung für die IDs aller Blätter, in die der Eingabefunktionsvektor fällt. Seine Größe ist die Anzahl der Gesamtblätter im Strukturensemblemodell.
Paths	Vektor bekannter Größe von Single	0-1-Vektordarstellung für die Pfade, durch die der Eingabefunktionsvektor übergeben wurde, um die Blätter zu erreichen. Seine Größe ist die Anzahl der Nicht-Blattknoten im Strukturensemblemodell.

Diese Ausgabespalten sind alle optional, und der Benutzer kann seine Namen ändern. Legen Sie die Namen der übersprungenen Spalten auf NULL fest, damit sie nicht erzeugt werden.

Details zur Vorhersage

Dieser Schätzer erzeugt mehrere Ausgabespalten aus einem Strukturensemblemodell. Angenommen, das Modell enthält nur eine Entscheidungsstruktur:

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

Angenommen, der Eingabefunktionsvektor fällt in Leaf -1. Die Ausgabe Trees kann ein 1-Element-Vektor sein, wobei der einzige Wert der von getragene Leaf -1Entscheidungswert ist. Die Ausgabe Leaves ist ein 0-1-Vektor. Wenn das erreichte Blatt das $i$-te Blatt ist (mit $-(i+1)$ indiziert, sodass das erste Blatt ) in der Struktur ist Leaf -1, wäre der $i$-te Wert in Leaves 1, und alle anderen Werte wären 0. Die Ausgabe Paths ist eine 0-1-Darstellung der Knoten, die vor dem Erreichen des Blatts übergeben werden. Das $i$-th-Element in Paths gibt an, ob der $i$-ten Knoten (indiziert durch $i$) berührt wird. Beispiel: Erreichen von Leaf -1 Lead zu $[1, 1, 0, 0]$ als Paths. Wenn mehrere Strukturen vorhanden sind, verkettet Treesdieser Schätzer einfach 's, Leaves's Paths' aus allen Strukturen (die Informationen der ersten Struktur stehen an erster Stelle in den verketteten Vektoren).

Im Abschnitt Siehe auch finden Sie Links zu Verwendungsbeispielen.

Methoden

Fit(IDataView)	Erstellen Sie eine TreeEnsembleModelParameters , die die in aufgerufene InputColumnNameinput Spalte drei Ausgabespalten zuordnet. (Geerbt von TreeEnsembleFeaturizationEstimatorBase)
GetOutputSchema(SchemaShape)	PretrainedTreeFeaturizationEstimator fügt drei Gleitkommavektorspalten in hinzu inputSchema. Bei einer Featurevektorspalte sind die hinzugefügten Spalten die Vorhersagewerte aller Strukturen, die Blatt-IDs, in die der Featurevektor fällt, und die Pfade zu diesen Blättern. (Geerbt von TreeEnsembleFeaturizationEstimatorBase)

Erweiterungsmethoden

AppendCacheCheckpoint<TTrans>(IEstimator<TTrans>, IHostEnvironment)

Fügen Sie einen "Zwischenspeicherungsprüfpunkt" an die Schätzerkette an. Dadurch wird sichergestellt, dass die nachgeschalteten Schätzer mit zwischengespeicherten Daten trainiert werden. Es ist hilfreich, vor Trainern, die mehrere Datendurchläufe durchführen, einen Zwischenspeicherungsprüfpunkt zu verwenden.

WithOnFitDelegate<TTransformer>(IEstimator<TTransformer>, Action<TTransformer>)

Geben Sie bei einer Schätzung ein Wrapping-Objekt zurück, das einen Delegaten aufruft, sobald Fit(IDataView) aufgerufen wird. Es ist häufig wichtig, dass ein Schätzer Informationen darüber zurückgibt, was geeignet ist, weshalb die Fit(IDataView) -Methode ein spezifisch typisiertes -Objekt und nicht nur ein allgemeines ITransformerzurückgibt. Zur gleichen Zeit IEstimator<TTransformer> werden jedoch häufig Pipelines mit vielen Objekten gebildet, sodass wir möglicherweise eine Kette von Schätzern erstellen müssen, über EstimatorChain<TLastTransformer> die der Schätzer, für den wir den Transformator erhalten möchten, irgendwo in dieser Kette vergraben ist. Für dieses Szenario können wir über diese Methode einen Delegaten anfügen, der aufgerufen wird, sobald fit aufgerufen wird.

Weitere Informationen

• FeaturizeByFastTreeTweedie(TransformsCatalog, FastTreeTweedieFeaturizationEstimator+Options)