FastTreeRegressionTrainer 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 FastTree 定型決策樹回歸模型。
public sealed class FastTreeRegressionTrainer : Microsoft.ML.Trainers.FastTree.BoostingFastTreeTrainerBase<Microsoft.ML.Trainers.FastTree.FastTreeRegressionTrainer.Options,Microsoft.ML.Data.RegressionPredictionTransformer<Microsoft.ML.Trainers.FastTree.FastTreeRegressionModelParameters>,Microsoft.ML.Trainers.FastTree.FastTreeRegressionModelParameters>type FastTreeRegressionTrainer = class
inherit BoostingFastTreeTrainerBase<FastTreeRegressionTrainer.Options, RegressionPredictionTransformer<FastTreeRegressionModelParameters>, FastTreeRegressionModelParameters>Public NotInheritable Class FastTreeRegressionTrainer
Inherits BoostingFastTreeTrainerBase(Of FastTreeRegressionTrainer.Options, RegressionPredictionTransformer(Of FastTreeRegressionModelParameters), FastTreeRegressionModelParameters)- 繼承
備註
若要建立此定型器，請使用 FastTree 或 FastTree (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
FastTree 是 MART 漸層提升演算法的有效實作。 梯度提升是一種適用於迴歸問題的機器學習技術。 它會以逐步方式建置每個迴歸樹狀結構，使用預先定義的損失函式來測量每個步驟的錯誤，並在下一個步驟中修正錯誤。 因此，此預測模型實際上是較弱預測模型的一組。 在回歸問題中，提升會以逐步方式建置一系列這類樹狀結構，然後使用任意可區分的遺失函式選取最佳樹狀結構。
MART 會學習迴歸樹的一組，這是在其分葉中具有純量值的決策樹。 判定 (或回歸) 樹狀結構是一個類似二進位樹狀結構的流程圖，其中一個內部節點會根據輸入中的其中一個特徵值，決定要繼續哪一個子節點。 在每個分葉節點上，會傳回值。 在內部節點中，決策是以測試 x = v 為基礎，其中 x < 是輸入範例中的特徵值，而 v 是此功能的其中一個可能值。 迴歸樹狀結構可產生的函數是所有分段常數函數。
樹狀結構的內建是由計算所產生，在每個步驟中都是近似損失函式漸層的迴歸樹狀結構，並將它新增至上一個樹狀結構，其中具有可將新樹狀結構遺失降至最低的係數。 MART 在給定實例上產生的集團輸出是樹狀輸出的總和。
- 如果是二元分類問題，輸出會使用某種形式的校正轉換成機率。
- 如果是回歸問題，輸出就是函式的預測值。
- 如果發生排名問題，實例會依內建的輸出值排序。
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 FastTree 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) |
FastTreeRegressionTrainer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 FastTree 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