공개 최종 클래스 BoostedTreesSparseAggregateStats
배치에 대해 누적된 통계 요약을 집계합니다.
요약 통계에는 각 노드, 버킷 및 차원 ID에 대해 누적된 그래디언트 및 헤센이 포함됩니다.
공개 방법
| 정적 BoostedTreesSparseAggregateStats | |
| 출력 <정수> | 통계요약지수 () int32; 요약 희소 텐서의 순위 2 인덱스(모양=[0이 아닌 통계의 수, 4]) 두 번째 축은 노드 ID, 기능 차원, 버킷 ID 및 통계_차원을 포함하여 4개만 가능합니다. |
| 출력 <정수> | 통계요약모양 () 출력 순위 1 텐서(모양=[4]) 텐서는 다음과 같은 4개의 값을 갖습니다: [max_splits, feature_dimension, num_buckets, Statistics_dimension], 여기서 Statistics_dimension =gradient_dimension + hessian_dimension. |
| 출력 <플로트> | 통계요약값 () 순위 1 텐서 출력(모양=[0이 아닌 통계의 수]) |
상속된 메서드
공개 방법
public static BoostedTreesSparseAggregateStats create ( Scope 범위, Operand <Integer> nodeIds, Operand <Float> 그래디언트, Operand <Float> hessians, Operand <Integer> featureIndices, Operand <Integer> featureValues, Operand <Integer> featureShape, Long maxSplits, Long numBuckets)
새로운 BoostedTreesSparseAggregateStats 작업을 래핑하는 클래스를 생성하는 팩토리 메서드입니다.
매개변수
| 범위 | 현재 범위 |
|---|---|
| 노드 ID | int32; 각 예시의 노드 ID를 포함하는 순위 1 Tensor, 모양 [batch_size]. |
| 그라데이션 | float32; 각 예에 대한 기울기가 있는 순위 2 텐서(shape=[batch_size, logits_dimension]). |
| 헤센 | float32; 각 예에 대한 헤세 행렬이 포함된 순위 2 텐서(모양=[batch_size, hessian_dimension]). |
| 기능지수 | int32; 특징 희소 텐서의 순위 2 인덱스(모양=[희소 항목 수, 2]). 일괄 처리의 모든 인스턴스에 대한 희소 항목 수입니다. 첫 번째 값은 인스턴스의 인덱스이고 두 번째 값은 피처의 차원입니다. 두 번째 축은 2개의 값만 가질 수 있습니다. 즉, Tensor의 입력 밀집 버전은 행렬만 될 수 있습니다. |
| 기능값 | int32; 특징 희소 텐서의 순위 1 값(모양=[희소 항목 수]). 일괄 처리의 모든 인스턴스에 대한 희소 항목 수입니다. 첫 번째 값은 인스턴스의 인덱스이고 두 번째 값은 피처의 차원입니다. |
| 특징모양 | int32; 특징 희소 텐서의 순위 1 밀집 모양(모양=[2]). 첫 번째 축에는 [batch_size, feature_dimension]이라는 2개의 값만 있을 수 있습니다. |
| 최대 분할 | 정수; 전체 트리에서 가능한 최대 분할 수입니다. |
| 버킷 수 | 정수; 버킷화된 기능의 가능한 최대값 + 1과 같습니다. |
보고
- BoostedTreesSparseAggregateStats의 새로운 인스턴스
공개 출력 <Integer> statsSummaryIndices ()
int32; 요약 희소 텐서의 순위 2 인덱스(모양=[0이 아닌 통계의 수, 4]) 두 번째 축은 노드 ID, 기능 차원, 버킷 ID 및 통계_차원을 포함하여 4개만 가능합니다. Statistics_dimension = logits_dimension + hessian_dimension.
공개 출력 <Integer> statsSummaryShape ()
출력 순위 1 텐서(모양=[4]) 텐서는 다음과 같은 4개의 값을 갖습니다: [max_splits, feature_dimension, num_buckets, Statistics_dimension], 여기서 Statistics_dimension =gradient_dimension + hessian_dimension. gradient_dimension은 label_dimension, 즉 출력 공간과 동일합니다. hessian_dimension은 대각선 헤센을 사용할 때 로지트 차원과 같을 수 있고, 전체 헤센을 사용할 때 label_dimension^2와 같을 수 있습니다.