FastForestRegressionTrainer 類別
定義
重要
部分資訊涉及發行前產品，在發行之前可能會有大幅修改。 Microsoft 對此處提供的資訊，不做任何明確或隱含的瑕疵擔保。
， IEstimator<TTransformer> 用於使用快速樹系來定型決策樹回歸模型。
public sealed class FastForestRegressionTrainer : Microsoft.ML.Trainers.FastTree.RandomForestTrainerBase<Microsoft.ML.Trainers.FastTree.FastForestRegressionTrainer.Options,Microsoft.ML.Data.RegressionPredictionTransformer<Microsoft.ML.Trainers.FastTree.FastForestRegressionModelParameters>,Microsoft.ML.Trainers.FastTree.FastForestRegressionModelParameters>type FastForestRegressionTrainer = class
inherit RandomForestTrainerBase<FastForestRegressionTrainer.Options, RegressionPredictionTransformer<FastForestRegressionModelParameters>, FastForestRegressionModelParameters>Public NotInheritable Class FastForestRegressionTrainer
Inherits RandomForestTrainerBase(Of FastForestRegressionTrainer.Options, RegressionPredictionTransformer(Of FastForestRegressionModelParameters), FastForestRegressionModelParameters)- 繼承
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 Single。 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 | 模型所預測的未系結分數。 |
定型器特性
| 機器學習工作 | 迴歸 |
| 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：
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 |
| WeightColumn |
定型器預期的加權資料行。 可以是 |
屬性
| Info |
， IEstimator<TTransformer> 用於使用快速樹系來定型決策樹回歸模型。 (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) |
FastForestRegressionTrainer使用定型和驗證資料來定型 ，並傳 RegressionPredictionTransformer<TModel> 回 。 |
| GetOutputSchema(SchemaShape) |
， IEstimator<TTransformer> 用於使用快速樹系來定型決策樹回歸模型。 (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。 |
適用於
另請參閱
意見反應
即將登場：在 2024 年，我們將逐步淘汰 GitHub 問題作為內容的意見反應機制，並將它取代為新的意見反應系統。 如需詳細資訊，請參閱：https://aka.ms/ContentUserFeedback。
提交並檢視相關的意見反應