Agreguje podsumowanie zgromadzonych statystyk dla partii.
Statystyki podsumowujące zawierają gradienty i hesjany zgromadzone dla każdego węzła, segmentu i identyfikatora wymiaru.
Metody publiczne
| statyczne BoostedTreesSparseAggregateStats | utwórz ( Zakres zakresu, Operand <Integer> nodeIds, Operand <Float> gradienty, Operand <Float> hessians, Operand <Integer> featureIndices, Operand <Integer> featureValues, Operand <Integer> featureShape, Long maxSplits, Long numBuckets) Metoda fabryczna służąca do tworzenia klasy opakowującej nową operację BoostedTreesSparseAggregateStats. |
| Wyjście <liczba całkowita> | statystykiPodsumowanieIndeksy () int32; Indeksy rangi 2 sumarycznych tensorów rzadkich (kształt=[liczba niezerowych statystyk, 4]) Druga oś może mieć tylko 4, w tym identyfikator węzła, wymiar obiektu, identyfikator segmentu i wymiar_statystyki. |
| Wyjście <liczba całkowita> | statystykiPodsumowanieKształt () wynik Ranga 1 Tensor (shape=[4]) Tensor ma następujące 4 wartości: [max_splits, feature_dimension, num_buckets,statistic_dimension], gdzie statystyka_dimension = gradient_dimension + hessian_dimension. |
| Wyjście <Pływak> | statystykiPodsumowanieWartości () wyjściowy tensor rangi 1 (kształt=[liczba niezerowych statystyk]) |
Metody dziedziczone
Metody publiczne
public static BoostedTreesSparseAggregateStats create ( Zakres zakresu, Operand <Integer> nodeIds, Operand <Float> gradienty, Operand <Float> hessians, Operand <Integer> featureIndices, Operand <Integer> featureValues, Operand <Integer> featureShape, Long maxSplits, Long numBuckets)
Metoda fabryczna służąca do tworzenia klasy opakowującej nową operację BoostedTreesSparseAggregateStats.
Parametry
| zakres | aktualny zakres |
|---|---|
| identyfikatory węzłów | int32; Ranga 1 Tensor zawierający identyfikatory węzłów dla każdego przykładu, kształt [batch_size]. |
| gradienty | pływak32; Tensor rangi 2 (shape=[batch_size, logits_dimension]) z gradientami dla każdego przykładu. |
| Hesjanie | pływak32; Tensor rangi 2 (shape=[batch_size, hessian_dimension]) z hesjanami dla każdego przykładu. |
| Indeksy funkcji | int32; Indeksy rangi 2 dla tensorów rzadkich cech (kształt=[liczba wpisów rzadkich, 2]). Liczba rzadkich wpisów we wszystkich instancjach w partii. Pierwsza wartość to indeks instancji, druga to wymiar cechy. Druga oś może mieć tylko 2 wartości, tj. wejściową gęstą wersją Tensora może być tylko macierz. |
| Wartości funkcji | int32; Oceń 1 wartości rzadkich tensorów cech (kształt=[liczba rzadkich wpisów]). Liczba rzadkich wpisów we wszystkich instancjach w partii. Pierwsza wartość to indeks instancji, druga to wymiar cechy. |
| funkcjaKształt | int32; Stopień 1 gęsty kształt rzadkich tensorów (kształt=[2]). Pierwsza oś może mieć tylko 2 wartości: [batch_size, feature_dimension]. |
| maxSplits | int; maksymalna liczba podziałów możliwa w całym drzewie. |
| liczba wiader | int; równa się maksymalnej możliwej wartości funkcji segmentowanej + 1. |
Zwroty
- nowa instancja BoostedTreesSparseAggregateStats
publiczne dane wyjściowe <Integer> statsSummaryIndices ()
int32; Indeksy rangi 2 sumarycznych tensorów rzadkich (kształt=[liczba niezerowych statystyk, 4]) Druga oś może mieć tylko 4, w tym identyfikator węzła, wymiar obiektu, identyfikator segmentu i wymiar_statystyki. wymiar_statystyki = wymiar_logits + wymiar_hessian.
publiczne dane wyjściowe <Integer> statsSummaryShape ()
wynik Ranga 1 Tensor (shape=[4]) Tensor ma następujące 4 wartości: [max_splits, feature_dimension, num_buckets,statistic_dimension], gdzie statystyka_dimension = gradient_dimension + hessian_dimension. gradient_dimension jest taki sam jak label_dimension, tj. przestrzeń wyjściowa. hessian_dimension może być taki sam jak wymiar logitowy, gdy używany jest ukośny hessian, lub label_dimension^2, gdy używany jest pełny hessian.
publiczne dane wyjściowe <Float> statsSummaryValues ()
wyjściowy tensor rangi 1 (kształt=[liczba niezerowych statystyk])