Calcula os ganhos para cada recurso e retorna as melhores informações de divisão possíveis para o recurso.
As informações de divisão são o melhor limite (id do intervalo), ganhos e contribuições de nó esquerdo / direito por nó para cada recurso.
É possível que nem todos os nós possam ser divididos em cada recurso. Portanto, a lista de nós possíveis pode diferir entre os recursos. Portanto, retornamos `node_ids_list` para cada recurso, contendo a lista de nós que este recurso pode ser usado para dividir.
Dessa forma, a saída é a melhor divisão por recursos e por nó, de modo que precisa ser combinada posteriormente para produzir a melhor divisão para cada nó (entre todos os recursos possíveis).
As formas de saída são compatíveis de forma que a primeira dimensão de todos os tensores seja a mesma e igual ao número de nós de divisão possíveis para cada recurso.
Classes aninhadas
classe | BoostedTreesSparseCalculateBestFeatureSplit.Options | Atributos opcionais para BoostedTreesSparseCalculateBestFeatureSplit |
Métodos Públicos
estática BoostedTreesSparseCalculateBestFeatureSplit | criar ( Scope escopo, Operando <inteiro> nodeIdRange, Operando <inteiro> statsSummaryIndices, Operando <float> statsSummaryValues, Operando <Integer> statsSummaryShape, Operando <float> L1, Operando <float> l2, Operando <float> treeComplexity, Operando <Float > minNodeWeight, Long logitsDimension, Options ... opções) Método de fábrica para criar uma classe que envolve uma nova operação BoostedTreesSparseCalculateBestFeatureSplit. |
Output <Integer> | featureDimensions () Um tensor Rank 1 indicando a melhor dimensão de recurso para cada recurso a ser dividido para cada nó. |
Output <float> | ganhos () Um tensor Rank 1 indicando os melhores ganhos para dividir cada nó. |
Output <float> | leftNodeContribs () Um tensor Rank 2 indicando a contribuição dos nós esquerdos ao ramificar dos nós pais para a direção esquerda pelo limite fornecido para cada recurso. |
Output <Integer> | nodeIds () Um tensor Rank 1 indicando possíveis ids de nós que podem ser divididos. |
Output <float> | rightNodeContribs () Um tensor Rank 2, com a mesma forma / condições que left_node_contribs_list, mas apenas que o valor é para o nó direito. |
estáticos BoostedTreesSparseCalculateBestFeatureSplit.Options | splitType (String splitType) |
Output <String> | splitWithDefaultDirections () Um tensor Rank 1 que indica a direção a seguir se houver dados ausentes. |
Output <Integer> | limiares () Um tensor Rank 1 indicando a id do intervalo para comparação (como um limite) para divisão em cada nó. |
Métodos herdados
Métodos Públicos
public static BoostedTreesSparseCalculateBestFeatureSplit criar ( Scope escopo, Operando <Integer> nodeIdRange, Operando <Integer> statsSummaryIndices, Operando <float> statsSummaryValues, Operando <Integer> statsSummaryShape, Operando <float> L1, Operando <float> l2, Operando <float> treeComplexity, operando <float> minNodeWeight, Long logitsDimension, Options ... opções)
Método de fábrica para criar uma classe que envolve uma nova operação BoostedTreesSparseCalculateBestFeatureSplit.
Parâmetros
alcance | escopo atual |
---|---|
nodeIdRange | Um tensor Rank 1 (forma = [2]) para especificar o intervalo [primeiro, último) de ids de nó para processar dentro de `stats_summary_list`. Os nós são iterados entre os dois nós especificados pelo tensor, como `para node_id no intervalo (node_id_range [0], node_id_range [1])` (Observe que o último índice node_id_range [1] é exclusivo). |
statsSummaryIndices | Um tensor Int64 de Rank 2 de forma densa [N, 4] (N especifica o número de valores diferentes de zero) para o resumo de estatísticas acumuladas (gradiente / hessiano) por nó por intervalo para cada recurso. A segunda dimensão contém id do nó, dimensão do recurso, id do intervalo e dim de estatísticas. stats dim é a soma da dimensão logits e dimensão hessiana, dimensão hessian pode ser dimensão logits se diagonal hessian for usada, ou dimensão logits ^ 2 se hessian completo for usado. |
statsSummaryValues | Um tensor flutuante Rank 1 de forma densa [N] (N especifica o número de valores diferentes de zero), que fornece os valores para cada elemento em summary_indices. |
statsSummaryShape | Um tensor flutuante Rank 1 de forma densa [4], que especifica a forma densa do tensor esparso, que é [num tree nodes, feature dimension, num buckets, stats dim]. |
l1 | l1 fator de regularização nos pesos das folhas, por instância com base. |
12 | l2 fator de regularização nos pesos das folhas, por instância com base. |
treeComplexity | ajuste ao ganho, por folha. |
minNodeWeight | média mínima de hessianos em um nó antes do necessário para que o nó seja considerado para divisão. |
logitsDimension | A dimensão de logit, ou seja, número de classes. |
opções | carrega valores de atributos opcionais |
Devoluções
- uma nova instância de BoostedTreesSparseCalculateBestFeatureSplit
pública Output <Integer> featureDimensions ()
Um tensor Rank 1 indicando a melhor dimensão de recurso para cada recurso a ser dividido para cada nó.
pública Output <float> ganhos ()
Um tensor Rank 1 indicando os melhores ganhos para dividir cada nó.
pública Output <float> leftNodeContribs ()
Um tensor Rank 2 indicando a contribuição dos nós esquerdos ao ramificar dos nós pais para a direção esquerda pelo limite fornecido para cada recurso. Este valor será usado para fazer o valor do nó esquerdo adicionando ao valor do nó pai. O tamanho da segunda dimensão é a dimensão logits.
pública Output <Integer> nodeIds ()
Um tensor Rank 1 indicando possíveis ids de nós que podem ser divididos.
pública Output <float> rightNodeContribs ()
Um tensor Rank 2, com a mesma forma / condições que left_node_contribs_list, mas apenas que o valor é para o nó direito.
public static BoostedTreesSparseCalculateBestFeatureSplit.Options splitType (String splitType)
Parâmetros
splitType | Uma string que indica se este Op deve realizar a divisão de desigualdade ou divisão de igualdade. |
---|
pública Output <String> splitWithDefaultDirections ()
Um tensor Rank 1 que indica a direção a seguir se houver dados ausentes. A desigualdade com o padrão à esquerda retorna 0, a desigualdade com o padrão à direita retorna 1, a igualdade com o padrão à direita retorna 2.
pública Output <Integer> limiares ()
Um tensor Rank 1 indicando a id do intervalo para comparação (como um limite) para divisão em cada nó.