Aviso: esta API está obsoleta e será removida em uma versão futura do TensorFlow depois que a substituição estiver estável.

BoostedTreesCalculateBestFeatureSplitV2

BoostedTreesCalculateBestFeatureSplitV2 classe final pública

Calcula os ganhos para cada recurso e retorna as melhores informações de divisão possíveis para cada nó. No entanto, se nenhuma divisão for encontrada, nenhuma informação de divisão será retornada para esse nó.

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.

Métodos Públicos

estática BoostedTreesCalculateBestFeatureSplitV2
criar ( Scope escopo, Operando <Integer> nodeIdRange, Iterable < Operando <Float >> statsSummariesList, Operando <String> splitTypes, Operando <Integer> candidateFeatureIds, Operando <float> L1, Operando <float> l2, Operando <float> treeComplexity, operando <float> minNodeWeight, Long logitsDimension)
Método de fábrica para criar uma classe que envolve uma nova operação BoostedTreesCalculateBestFeatureSplitV2.
Output <Integer>
featureDimensions ()
Um tensores Rank 1 indicando a melhor dimensão de recurso para cada recurso a ser dividido para determinados nós se o recurso for multidimensional.
Output <Integer>
featureIds ()
Tensores de Rank 1 indicando a melhor identificação de recurso para cada nó.
Output <float>
ganhos ()
Um tensor Rank 1 indicando os melhores ganhos para cada recurso a ser dividido para determinados nós.
Output <float>
leftNodeContribs ()
Um tensor Rank 2 indicando a contribuição dos nós esquerdos ao ramificar dos nós pais (dado pelo elemento tensor na saída node_ids_list) para a direção esquerda pelo limite fornecido para cada recurso.
Output <Integer>
nodeIds ()
Tensores de Rank 1 indicando possíveis ids de nós divididos para cada recurso.
Output <float>
rightNodeContribs ()
Tensores de Rank 2, com a mesma forma / condições que left_node_contribs_list, mas apenas que o valor é para o nó direito.
Output <String>
splitWithDefaultDirections ()
Tensores do Rank 1 indicando a direção a seguir se houver dados ausentes.
Output <Integer>
limiares ()
Tensores de Rank 1 indicando a id do intervalo para comparação (como um limite) para divisão em cada nó.

Métodos herdados

Métodos Públicos

public static BoostedTreesCalculateBestFeatureSplitV2 criar ( Scope escopo, Operando <inteiro> nodeIdRange, Iterable < Operando <Float >> statsSummariesList, Operando <string> splitTypes, Operando <inteiro> candidateFeatureIds, Operando <float> L1, Operando <float> l2, Operando <Float > treeComplexity, Operando <float> minNodeWeight, Long logitsDimension)

Método de fábrica para criar uma classe que envolve uma nova operação BoostedTreesCalculateBestFeatureSplitV2.

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).
statsSummariesList Uma lista de tensores de Classificação 4 (# shape = [max_splits, feature_dims, bucket, stats_dims]) para resumo de estatísticas acumuladas (gradiente / hessian) por nó, por dimensão, por intervalos para cada recurso. A primeira dimensão do tensor é o número máximo de divisões e, portanto, nem todos os elementos dele serão usados, mas apenas os índices especificados por node_ids serão usados.
splitTypes Um tensor Rank 1 indicando se este Op deve realizar divisão de desigualdade ou divisão de igualdade por recurso.
candidateFeatureIds Tensor Rank 1 com ids para cada recurso. Este é o id real do recurso.
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.
Devoluções
  • uma nova instância de BoostedTreesCalculateBestFeatureSplitV2

pública Output <Integer> featureDimensions ()

Um tensores Rank 1 indicando a melhor dimensão de recurso para cada recurso a ser dividido para determinados nós se o recurso for multidimensional. Veja acima para detalhes como formas e tamanhos.

pública Output <Integer> featureIds ()

Tensores de Rank 1 indicando a melhor identificação de recurso para cada nó. Veja acima para detalhes como formas e tamanhos.

pública Output <float> ganhos ()

Um tensor Rank 1 indicando os melhores ganhos para cada recurso a ser dividido para determinados nós. Veja acima para detalhes como formas e tamanhos.

pública Output <float> leftNodeContribs ()

Um tensor Rank 2 indicando a contribuição dos nós esquerdos ao ramificar dos nós pais (dado pelo elemento tensor na saída node_ids_list) 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 1 para logits unidimensionais, mas seria maior para problemas de várias classes. Veja acima para detalhes como formas e tamanhos.

pública Output <Integer> nodeIds ()

Tensores de Rank 1 indicando possíveis ids de nós divididos para cada recurso. O comprimento da lista é num_features, mas cada tensor tem um tamanho diferente, pois cada recurso fornece diferentes nós possíveis. Veja acima para detalhes como formas e tamanhos.

pública Output <float> rightNodeContribs ()

Tensores de Rank 2, com a mesma forma / condições que left_node_contribs_list, mas apenas que o valor é para o nó direito.

pública Output <String> splitWithDefaultDirections ()

Tensores do Rank 1 indicando a direção a seguir se houver dados ausentes. Veja acima para detalhes como formas e tamanhos. 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 ()

Tensores de Rank 1 indicando a id do intervalo para comparação (como um limite) para divisão em cada nó. Veja acima para detalhes como formas e tamanhos.