BoostedTreesSparseCalculateBestFeatureSplit

BoostedTreesSparseCalculateBestFeatureSplit classe final pública

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.