ব্যাচের জন্য সঞ্চিত পরিসংখ্যানের সারাংশ একত্রিত করে।
সংক্ষিপ্ত পরিসংখ্যানে প্রতিটি নোড, বালতি এবং মাত্রা আইডির জন্য জমা গ্রেডিয়েন্ট এবং হেসিয়ান রয়েছে।
পাবলিক পদ্ধতি
| স্ট্যাটিক BoostedTreesSparseAggregateStats | তৈরি ( ব্যাপ্তি সুযোগ প্রতীক <integer> nodeIds, প্রতীক <ফ্লোট> গ্রেডিয়েন্ট, প্রতীক <ফ্লোট> hessians, প্রতীক <integer> featureIndices, প্রতীক <integer> featureValues, প্রতীক <integer> featureShape, লং maxSplits, লং numBuckets) একটি নতুন BoostedTreesSparseAggregateStats অপারেশন মোড়ানো একটি ক্লাস তৈরি করার কারখানার পদ্ধতি। |
| আউটপুট <integer> | statsSummaryIndices () int32; সারাংশ স্পার্স টেনসরের 2 সূচকের স্থান (আকৃতি=[শূন্য পরিসংখ্যানের সংখ্যা, 4]) দ্বিতীয় অক্ষটি নোড আইডি, বৈশিষ্ট্যের মাত্রা, বালতি আইডি এবং পরিসংখ্যান_মাত্রা সহ শুধুমাত্র 4 হতে পারে। |
| আউটপুট <integer> | statsSummaryShape () আউটপুট র্যাঙ্ক 1 টেনসর (আকৃতি=[4]) টেনসরের নিম্নলিখিত 4টি মান রয়েছে: [max_splits, feature_dimension, num_buckets, statistics_dimension], যেখানে statistics_dimension = gradient_dimension + hessian_dimension। |
| আউটপুট <ফ্লোট> | statsSummaryValues () আউটপুট র্যাঙ্ক 1 টেনসর (আকৃতি=[শূন্য পরিসংখ্যানের সংখ্যা]) |
উত্তরাধিকারসূত্রে প্রাপ্ত পদ্ধতি
পাবলিক পদ্ধতি
পাবলিক স্ট্যাটিক BoostedTreesSparseAggregateStats তৈরি করুন ( ব্যাপ্তি সুযোগ প্রতীক <integer> nodeIds, প্রতীক <ফ্লোট> গ্রেডিয়েন্ট, প্রতীক <ফ্লোট> hessians, প্রতীক <integer> featureIndices, প্রতীক <integer> featureValues, প্রতীক <integer> featureShape, লং maxSplits, লং numBuckets)
একটি নতুন BoostedTreesSparseAggregateStats অপারেশন মোড়ানো একটি ক্লাস তৈরি করার কারখানার পদ্ধতি।
পরামিতি
| সুযোগ | বর্তমান সুযোগ |
|---|---|
| nodeIds | int32; র্যাঙ্ক 1 টেনসর প্রতিটি উদাহরণের জন্য নোড আইডি ধারণকারী, আকৃতি [ব্যাচ_সাইজ]। |
| গ্রেডিয়েন্ট | float32; প্রতিটি উদাহরণের জন্য গ্রেডিয়েন্ট সহ র্যাঙ্ক 2 টেনসর (আকৃতি=[ব্যাচ_সাইজ, লগিট_ডাইমেনশন])। |
| হেসিয়ানস | float32; প্রতিটি উদাহরণের জন্য হেসিয়ান সহ র্যাঙ্ক 2 টেনসর (আকৃতি=[ব্যাচ_সাইজ, হেসিয়ান_ডাইমেনশন])। |
| বৈশিষ্ট্য সূচক | int32; বৈশিষ্ট্য স্পার্স টেনসরের র্যাঙ্ক 2 সূচক (আকৃতি=[স্পার্স এন্ট্রির সংখ্যা, 2])। ব্যাচ থেকে সমস্ত দৃষ্টান্ত জুড়ে স্পার্স এন্ট্রির সংখ্যা। প্রথম মানটি উদাহরণের সূচক, দ্বিতীয়টি বৈশিষ্ট্যটির মাত্রা। দ্বিতীয় অক্ষে শুধুমাত্র 2টি মান থাকতে পারে, অর্থাৎ, টেনসরের ইনপুট ঘন সংস্করণটি শুধুমাত্র ম্যাট্রিক্স হতে পারে। |
| বৈশিষ্ট্য মান | int32; বৈশিষ্ট্য স্পার্স টেনসরের র্যাঙ্ক 1 মান (আকৃতি=[স্পার্স এন্ট্রির সংখ্যা])। ব্যাচ থেকে সমস্ত দৃষ্টান্ত জুড়ে স্পার্স এন্ট্রির সংখ্যা। প্রথম মানটি উদাহরণের সূচক, দ্বিতীয়টি বৈশিষ্ট্যটির মাত্রা। |
| বৈশিষ্ট্য আকৃতি | int32; বৈশিষ্ট্য স্পার্স টেনসরের র্যাঙ্ক 1 ঘন আকৃতি (আকৃতি=[2])। প্রথম অক্ষে শুধুমাত্র 2টি মান থাকতে পারে, [ব্যাচ_সাইজ, বৈশিষ্ট্য_মাত্রা]। |
| maxSplits | int; পুরো গাছে সর্বোচ্চ সংখ্যক বিভাজন সম্ভব। |
| numBuckets | int; বাকেটাইজড বৈশিষ্ট্য + 1 এর সর্বাধিক সম্ভাব্য মানের সমান। |
রিটার্নস
- BoostedTreesSparseAggregateStats এর একটি নতুন উদাহরণ
পাবলিক আউটপুট <integer> statsSummaryIndices ()
int32; সারাংশ স্পার্স টেনসরের 2 সূচকের স্থান (আকৃতি=[শূন্য পরিসংখ্যানের সংখ্যা, 4]) দ্বিতীয় অক্ষটি নোড আইডি, বৈশিষ্ট্যের মাত্রা, বালতি আইডি এবং পরিসংখ্যান_মাত্রা সহ শুধুমাত্র 4 হতে পারে। পরিসংখ্যান_মাত্রা = লগিট_মাত্রা + হেসিয়ান_মাত্রা।
পাবলিক আউটপুট <integer> statsSummaryShape ()
আউটপুট র্যাঙ্ক 1 টেনসর (আকৃতি=[4]) টেনসরের নিম্নলিখিত 4টি মান রয়েছে: [max_splits, feature_dimension, num_buckets, statistics_dimension], যেখানে statistics_dimension = gradient_dimension + hessian_dimension। গ্রেডিয়েন্ট_ডাইমেনশন লেবেল_ডাইমেনশনের মতই, অর্থাৎ আউটপুট স্পেস। হেসিয়ান_ডাইমেনশন লজিট ডাইমেনশনের মতো হতে পারে যখন তির্যক হেসিয়ান ব্যবহার করা হয়, অথবা যখন পূর্ণ হেসিয়ান ব্যবহার করা হয় তখন লেবেল_ডাইমেনশন^2।
পাবলিক আউটপুট <ফ্লোট> statsSummaryValues ()
আউটপুট র্যাঙ্ক 1 টেনসর (আকৃতি=[শূন্য পরিসংখ্যানের সংখ্যা])