FastTreeBinaryModelParameters 类
定义
重要
一些信息与预发行产品相关，相应产品在发行之前可能会进行重大修改。 对于此处提供的信息，Microsoft 不作任何明示或暗示的担保。
的 FastTreeBinaryTrainer模型参数 。
public sealed class FastTreeBinaryModelParameters : Microsoft.ML.Trainers.FastTree.TreeEnsembleModelParametersBasedOnRegressionTreetype FastTreeBinaryModelParameters = class
inherit TreeEnsembleModelParametersBasedOnRegressionTreePublic NotInheritable Class FastTreeBinaryModelParameters
Inherits TreeEnsembleModelParametersBasedOnRegressionTree- 继承
-
FastTreeBinaryModelParameters
属性
| 名称 | 说明 |
|---|---|
| TrainedTreeEnsemble |
向用户公开的树的合奏。 它是一个包装 |
方法
| 名称 | 说明 |
|---|---|
| GetFeatureWeights(VBuffer<Single>) |
获取所有树中每个功能的累积拆分增益。 (继承自 TreeEnsembleModelParameters) |
显式接口实现
| 名称 | 说明 |
|---|---|
| ICalculateFeatureContribution.FeatureContributionCalculator |
用于确定每个功能对示例分数的贡献。FeatureContributionCalculatingTransformer 特征贡献的计算实质上包括确定树中的哪些拆分对最终分数影响最大，并将影响的值分配给确定拆分的特征。 更确切地说，特征的贡献等于每次遇到给定功能的决策节点时，通过探索相反的子树生成的分数变化。 对于具有二进制特征 F1 的决策节点的单个决策树，请考虑一个简单的情况。 假设特征 F1 等于 true 的示例，如果选择了与特征 F1 相等的子树相等的子树，则我们可以计算它获取的分数，同时保持其他特征常量。 给定示例的功能 F1 的贡献是原始分数与在对应于特征 F1 的节点上做出相反的决定获得的分数之间的差异。 此算法自然扩展到具有许多决策树的模型。 (继承自 TreeEnsembleModelParameters) |
| ICanSaveModel.Save(ModelSaveContext) |
的 FastTreeBinaryTrainer模型参数 。 (继承自 ModelParametersBase<TOutput>) |