TreeOptions Klasse

Definition

Namespace:

Microsoft.ML.Trainers.FastTree

Assembly:

Microsoft.ML.FastTree.dll

Paket:

Microsoft.ML.FastTree v3.0.1

Optionen für Strukturtrainer.

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

type TreeOptions = class
    inherit TrainerInputBaseWithGroupId

Public MustInherit Class TreeOptions
Inherits TrainerInputBaseWithGroupId

Vererbung

Object

TrainerInputBase

TrainerInputBaseWithLabel

TrainerInputBaseWithWeight

TrainerInputBaseWithGroupId

TreeOptions

Abgeleitet

Microsoft.ML.Trainers.FastTree.BoostedTreeOptions

Microsoft.ML.Trainers.FastTree.FastForestOptionsBase

Konstruktoren

TreeOptions()

Optionen für Strukturtrainer.

Felder

AllowEmptyTrees	Wenn eine Stammaufteilung nicht möglich ist, lassen Sie das Training fort.
BaggingExampleFraction	Prozentsatz der Trainingsbeispiele, die in jeder Tasche verwendet werden. Der Standardwert ist 0,7 (70 %).
BaggingSize	Anzahl der Strukturen in jeder Tasche (0 zum Deaktivieren des Absackens).
Bias	Bias zum Berechnen des Farbverlaufs für jeden Featurebehälter für ein kategorisches Feature.
Bundling	Bündeln Sie Behälter mit geringer Anzahl. Bundle.None(0): keine Bündelung, Bundle.AggregateLowPopulation(1): Bundle low population, Bundle.Adjacent(2): Neighbor low population bundle.
CategoricalSplit	Gibt an, ob eine Aufteilung basierend auf mehreren kategorischen Featurewerten durchgeführt werden soll.
CompressEnsemble	Komprimieren Sie das Strukturensemble.
DiskTranspose	Gibt an, ob der Datenträger oder die nativen Umsetzungsmöglichkeiten der Daten (sofern zutreffend) verwendet werden sollen, wenn die Transponierung durchgeführt wird.
EntropyCoefficient	Der Entropiekoeffizienten (Regularisierung) zwischen 0 und 1.
ExampleWeightColumnName	Spalte, die als Beispielgewichtung verwendet werden soll. (Geerbt von TrainerInputBaseWithWeight)
ExecutionTime	Aufschlüsselung der Druckausführungszeit in ML.NET Kanal.
FeatureColumnName	Spalte, die für Features verwendet werden soll. (Geerbt von TrainerInputBase)
FeatureFirstUsePenalty	Das Feature verwendet zuerst den Strafkoeffizienten.
FeatureFlocks	Gibt an, ob Features während der Datasetvorbereitung gesammelt werden sollen, um das Training zu beschleunigen.
FeatureFraction	Der Anteil der Features (zufällig ausgewählt), die bei jeder Iteration verwendet werden sollen. Verwenden Sie 0,9, wenn nur 90 % der Features benötigt werden. Niedrigere Zahlen tragen dazu bei, die Überanpassung zu reduzieren.
FeatureFractionPerSplit	Der Anteil der Features (zufällig ausgewählt), die bei jeder Aufteilung verwendet werden sollen. Wenn der Wert 0,9 ist, würden 90 % aller Features in Erwartung gelöscht.
FeatureReusePenalty	Der Koeffizienten für die Wiederverwendung von Strafen (Regularisierung).
FeatureSelectionSeed	Der Startwert der aktiven Featureauswahl.
GainConfidenceLevel	Strukturanpassung gewinnt Vertrauensanforderung. Berücksichtigen Sie nur einen Gewinn, wenn seine Wahrscheinlichkeit im Vergleich zu einem zufälligen Auswahlgewinn über diesem Wert liegt.
HistogramPoolSize	Die Anzahl der Histogramme im Pool (zwischen 2 und NumLeaves).
LabelColumnName	Spalte, die für Bezeichnungen verwendet werden soll. (Geerbt von TrainerInputBaseWithLabel)
MaximumBinCountPerFeature	Maximale Anzahl unterschiedlicher Werte (Bins) pro Feature.
MaximumCategoricalGroupCountPerNode	Maximale kategoriebezogene Aufteilung von Gruppen, die beim Aufteilen für ein kategorisches Feature berücksichtigt werden müssen. Geteilte Gruppen sind eine Sammlung von geteilten Punkten. Dies wird verwendet, um die Überanpassung zu reduzieren, wenn viele kategorische Features vorhanden sind.
MaximumCategoricalSplitPointCount	Maximal zu berücksichtigende kategorische Teilungspunkte bei der Aufteilung für ein kategorisches Feature.
MemoryStatistics	Drucken von Speicherstatistiken in ML.NET Kanal.
MinimumExampleCountPerLeaf	Die minimale Anzahl von Datenpunkten, die zum Bilden eines neuen Strukturblatts erforderlich sind.
MinimumExampleFractionForCategoricalSplit	Minimaler kategorischer Beispielprozentsatz in einem Behälter, der für eine Aufteilung berücksichtigt werden soll. Der Standardwert ist 0,1 % aller Trainingsbeispiele.
MinimumExamplesForCategoricalSplit	Minimale kategorische Beispielanzahl in einem Behälter, der für eine Aufteilung berücksichtigt werden soll.
NumberOfLeaves	Die maximale Anzahl von Blättern in jeder Regressionsstruktur.
NumberOfThreads	Die Anzahl der zu verwendenden Threads.
NumberOfTrees	Gesamtanzahl der Entscheidungsstrukturen, die im Ensemble erstellt werden sollen.
RowGroupColumnName	Zu verwendende Spalte, z. B. groupId. (Geerbt von TrainerInputBaseWithGroupId)
Seed	Der Startwert des Zufallszahlengenerators.
Smoothing	Glättungsparameter für die Regularisierung der Struktur.
SoftmaxTemperature	Die Temperatur der randomisierten Softmax-Verteilung für die Auswahl des Features.
SparsifyThreshold	Sparsity level erforderlich, um die Darstellung von Sparsefeatures zu verwenden.
TestFrequency	Berechnen Sie Metrikwerte für train/valid/test every k rounds.