FastForestBinaryTrainer 類別

定義

命名空間:

Microsoft.ML.Trainers.FastTree

組件:

Microsoft.ML.FastTree.dll

套件:

Microsoft.ML.FastTree v2.0.0

， IEstimator<TTransformer> 用於使用快速樹系來定型決策樹二元分類模型。

public sealed class FastForestBinaryTrainer : Microsoft.ML.Trainers.FastTree.RandomForestTrainerBase<Microsoft.ML.Trainers.FastTree.FastForestBinaryTrainer.Options,Microsoft.ML.Data.BinaryPredictionTransformer<Microsoft.ML.Trainers.FastTree.FastForestBinaryModelParameters>,Microsoft.ML.Trainers.FastTree.FastForestBinaryModelParameters>

type FastForestBinaryTrainer = class
    inherit RandomForestTrainerBase<FastForestBinaryTrainer.Options, BinaryPredictionTransformer<FastForestBinaryModelParameters>, FastForestBinaryModelParameters>

Public NotInheritable Class FastForestBinaryTrainer
Inherits RandomForestTrainerBase(Of FastForestBinaryTrainer.Options, BinaryPredictionTransformer(Of FastForestBinaryModelParameters), FastForestBinaryModelParameters)

繼承

Object

TrainerEstimatorBase<TTransformer,TModel>

TrainerEstimatorBaseWithGroupId<TTransformer,TModel>

FastTreeTrainerBase<TOptions,TTransformer,TModel>

RandomForestTrainerBase<FastForestBinaryTrainer.Options,BinaryPredictionTransformer<FastForestBinaryModelParameters>,FastForestBinaryModelParameters>

FastForestBinaryTrainer

備註

若要建立此定型器，請使用 FastForest 或 FastForest (Options) 。

輸入和輸出資料行

輸入標籤資料行資料必須是 Boolean。 輸入特徵資料行資料必須是 的已知大小向量 Single 。

此定型器會輸出下列資料行：

輸出資料行名稱	資料行類型	描述
Score	Single	模型所計算的未系結分數。
PredictedLabel	Boolean	預測標籤 (根據分數的正負號)。 負值分數會對應到 false，正值分數則會對應到 true。
Probability	Single	藉由校正具有 true 作為標籤的分數來計算的機率。 機率值的範圍為 [0， 1]。

定型器特性

機器學習工作	二元分類
是否需要正規化？	否
是否需要快取？	否
除了 Microsoft.ML 之外，還需要 NuGet	Microsoft.ML.FastTree
可匯出至 ONNX	是

定型演算法詳細資料

決策樹是對輸入執行一連串簡單測試的非參數模型。 此決策程式會將它們對應至訓練資料集中找到的輸出，其輸入類似于正在處理的實例。 系統會根據相似性的量值，在二進位樹狀結構的每個節點上做出決策，以遞迴方式透過樹狀結構的分支對應每個實例，直到到達適當的分葉節點並傳回輸出決策為止。

決策樹有數個優點：

• 在定型和預測期間，執行運算和記憶體使用都很有效率。
• 可以代表非線性決策界限。
• 它們會執行整合式特徵選取和分類。
• 它們可彈性呈現雜訊特徵。

快速樹系是隨機樹系實作。 此模型是由決策樹的一組組成。 決策樹系中的每個樹狀結構都會透過預測來輸出 Gaussian 分佈。 系統會對樹狀結構整體執行彙總，以找出最接近模型中所有樹狀結構合併分佈的高斯分佈。 此決策樹系分類器由一整團的決策樹所組成。

一般而言，集團模型比單一決策樹的涵蓋範圍更廣、精確度更高。 決策樹系中的每個樹狀結構都會輸出 Gaussian 分佈。

如需詳細資訊，請參閱：

• 維琪百科：隨機樹系
• 分位數迴歸樹系
• 從 Stumps 到樹系到樹系

如需使用範例的連結，請參閱另請參閱一節。

欄位

FeatureColumn	定型器預期的功能資料行。 (繼承來源 TrainerEstimatorBase<TTransformer,TModel>)
GroupIdColumn	排名定型器預期的選擇性 groupID 資料行。 (繼承來源 TrainerEstimatorBaseWithGroupId<TTransformer,TModel>)
LabelColumn	定型器預期的標籤資料行。 可以是 null ，表示標籤不會用於定型。 (繼承來源 TrainerEstimatorBase<TTransformer,TModel>)
WeightColumn	定型器預期的加權資料行。 可以是 null ，表示不會使用權數來定型。 (繼承來源 TrainerEstimatorBase<TTransformer,TModel>)

屬性

Info	， IEstimator<TTransformer> 用於使用快速樹系來定型決策樹二元分類模型。 (繼承來源 FastTreeTrainerBase<TOptions,TTransformer,TModel>)

方法

Fit(IDataView)	定型並傳 ITransformer 回 。 (繼承來源 TrainerEstimatorBase<TTransformer,TModel>)
Fit(IDataView, IDataView)	FastForestBinaryTrainer使用定型和驗證資料來定型 ，並傳 BinaryPredictionTransformer<TModel> 回 。
GetOutputSchema(SchemaShape)	， IEstimator<TTransformer> 用於使用快速樹系來定型決策樹二元分類模型。 (繼承來源 TrainerEstimatorBase<TTransformer,TModel>)

擴充方法

AppendCacheCheckpoint<TTrans>(IEstimator<TTrans>, IHostEnvironment)	將「快取檢查點」附加至估算器鏈結。 這可確保下游估算器會針對快取的資料定型。 在接受多個資料通過的定型器之前，擁有快取檢查點會很有説明。
WithOnFitDelegate<TTransformer>(IEstimator<TTransformer>, Action<TTransformer>)	假設有估算器，則會傳回包裝物件，一旦 Fit(IDataView) 呼叫委派即可。 估算器通常必須傳回符合專案的相關資訊，這就是方法 Fit(IDataView) 傳回特定型別物件的原因，而不是只傳回一般 ITransformer 。 不過，同時 IEstimator<TTransformer> ，通常會形成具有許多物件的管線，因此我們可能需要透過 EstimatorChain<TLastTransformer> 建置估算器的鏈結，而我們想要取得轉換器的估算器會在此鏈結的某處被隱藏。 在該案例中，我們可以透過此方法附加呼叫一次將會呼叫的委派。

另請參閱

• FastForest(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Int32, Int32, Int32)
• FastForest(BinaryClassificationCatalog+BinaryClassificationTrainers, FastForestBinaryTrainer+Options)
• FastForestBinaryTrainer.Options