Агрегирует сводку накопленной статистики для пакета.
Сводная статистика содержит градиенты и гессианы, накопленные для каждого узла, сегмента и идентификатора измерения.
Публичные методы
статический BoostedTreesSparseAggregateStats | create ( Область области, Operand <Integer> nodeIds, Operand <Float> градиенты, Operand <Float> гессианы, Operand <Integer> FeatureIndices, Operand <Integer> FeatureValues, Operand <Integer> FeatureShape, Long maxSplits, Long numBuckets) Фабричный метод для создания класса, обертывающего новую операцию BoostedTreesSparseAggregateStats. |
Вывод <Целое число> | статистикаСводкаИндексы () интервал32; Индексы ранга 2 сводных разреженных тензоров (форма = [количество ненулевых статистических данных, 4]). Вторая ось может иметь только 4 значения, включая идентификатор узла, измерение объекта, идентификатор сегмента и статистика_размерности. |
Вывод <Целое число> | статистикаСуммариФорма () Выходной тензор ранга 1 (shape=[4]) Тензор имеет следующие 4 значения: [max_splits, Feature_dimension, num_buckets,statistic_dimension], где статистический_размерность = градиент_размерность + гессиан_размерность. |
Выход <С плавающей запятой> | statsSummaryValues () выходной тензор ранга 1 (shape=[количество ненулевых статистических данных]) |
Унаследованные методы
Публичные методы
public static BoostedTreesSparseAggregateStats create ( Область действия, Operand <Integer> nodeIds, Operand <Float> градиенты, Operand <Float> гессианы, Operand <Integer> FeatureIndices, Operand <Integer> FeatureValues, Operand <Integer> FeatureShape, Long maxSplits, Long numBuckets)
Фабричный метод для создания класса, обертывающего новую операцию BoostedTreesSparseAggregateStats.
Параметры
объем | текущий объем |
---|---|
идентификаторы узлов | интервал32; Тензор ранга 1, содержащий идентификаторы узлов для каждого примера, форма [batch_size]. |
градиенты | поплавок32; Тензор 2-го ранга (shape=[batch_size, logits_dimension]) с градиентами для каждого примера. |
гессенцы | поплавок32; Тензор 2-го ранга (shape=[batch_size, hessian_dimension]) с гессианами для каждого примера. |
FeatureIndexes | интервал32; Индексы 2-го ранга разреженных тензоров (shape=[количество разреженных записей, 2]). Количество редких записей во всех экземплярах пакета. Первое значение — это индекс экземпляра, второе — размерность объекта. Вторая ось может иметь только 2 значения, т. е. входная плотная версия тензора может быть только матрицей. |
FeatureValues | интервал32; Значения ранга 1 для разреженных тензоров объектов (shape=[количество разреженных записей]). Количество редких записей во всех экземплярах пакета. Первое значение — это индекс экземпляра, второе — размерность объекта. |
особенностьФорма | интервал32; Плотная форма ранга 1 из разреженных тензоров (shape=[2]). Первая ось может иметь только два значения: [batch_size, Feature_dimension]. |
maxSplits | интервал; максимально возможное количество разбиений во всем дереве. |
numBuckets | интервал; равно максимально возможному значению сегментированного признака + 1. |
Возврат
- новый экземпляр BoostedTreesSparseAggregateStats
публичный вывод <Integer> statsSummaryIndices ()
интервал32; Индексы ранга 2 сводных разреженных тензоров (форма = [количество ненулевых статистических данных, 4]). Вторая ось может иметь только 4 значения, включая идентификатор узла, измерение объекта, идентификатор сегмента и статистика_размерности. статистика_размерности = логит_размерность + гессиан_размерность.
публичный вывод <Integer> statsSummaryShape ()
Выходной тензор ранга 1 (shape=[4]) Тензор имеет следующие 4 значения: [max_splits, Feature_dimension, num_buckets, статистический_размерность], где статистический_размерность = градиент_размерность + гессиан_размерность. gradient_dimension — это то же самое, что и label_dimension, т. е. выходное пространство. hessian_dimension может совпадать с размером логита, если используется диагональный гессиан, или label_dimension^2, если используется полный гессиан.
публичный вывод <Float> statsSummaryValues ()
выходной тензор ранга 1 (shape=[количество ненулевых статистических данных])