バッチの蓄積された統計の概要を集計します。
概要統計には、各ノード、バケット、ディメンション ID に対して蓄積された勾配とヘシアンが含まれています。
パブリックメソッド
静的BoostedTreesSparseAggregateStats | |
出力<整数> | 統計概要インデックス() int32;サマリー スパース テンソルのランク 2 インデックス (shape=[非ゼロ統計の数, 4]) 2 番目の軸は、ノード ID、特徴ディメンション、バケット ID、statistics_dimension を含む 4 のみにすることができます。 |
出力<整数> | 統計サマリーシェイプ() 出力ランク 1 テンソル (shape=[4]) テンソルには次の 4 つの値があります: [max_splits、feature_dimension、num_buckets、statistics_dimension]、ここで、statistics_dimension = gradient_dimension + hessian_dimension。 |
出力<浮動小数点数> | 統計概要値() 出力ランク 1 テンソル (shape=[非ゼロ統計の数]) |
継承されたメソッド
パブリックメソッド
public static BoostedTreesSparseAggregateStats create ( Scopeスコープ、オペランド<Integer> ノード ID、オペランド<Float> gradients、オペランド<Float> hessians、オペランド<Integer> featureIndices、オペランド<Integer> featureValues、オペランド<Integer> featureShape、Long maxSplits、Long numBuckets)
新しい BoostedTreesSparseAggregateStats オペレーションをラップするクラスを作成するためのファクトリ メソッド。
パラメーター
範囲 | 現在のスコープ |
---|---|
ノードID | int32;各例、形状 [batch_size] のノード ID を含むランク 1 テンソル。 |
グラデーション | float32;各例の勾配を含むランク 2 テンソル (shape=[batch_size, logits_dimension])。 |
ヘッセ人 | float32;各例のヘシアンを含むランク 2 テンソル (shape=[batch_size, hessian_dimension])。 |
機能インデックス | int32;特徴スパース テンソルのランク 2 インデックス (shape=[スパース エントリの数, 2])。バッチからのすべてのインスタンスにわたるスパース エントリの数。最初の値はインスタンスのインデックス、2 番目の値はフィーチャのディメンションです。 2 番目の軸は 2 つの値のみを持つことができます。つまり、Tensor の入力密バージョンは行列のみにすることができます。 |
特徴値 | int32;特徴スパース テンソルのランク 1 値 (shape=[スパース エントリの数])。バッチからのすべてのインスタンスにわたるスパース エントリの数。最初の値はインスタンスのインデックス、2 番目の値はフィーチャのディメンションです。 |
特徴形状 | int32;特徴スパース テンソルのランク 1 の密な形状 (shape=[2])。最初の軸には、[batch_size、feature_dimension] の 2 つの値のみを含めることができます。 |
maxSplits | 整数;ツリー全体で可能な分割の最大数。 |
バケット数 | 整数;バケット化された特徴の最大値 + 1 に等しくなります。 |
戻り値
- BoostedTreesSparseAggregateStats の新しいインスタンス
public Output <整数> statssummaryIndices ()
int32;サマリー スパース テンソルのランク 2 インデックス (shape=[非ゼロ統計の数, 4]) 2 番目の軸は、ノード ID、特徴ディメンション、バケット ID、statistics_dimension を含む 4 のみにすることができます。統計ディメンション = ロジッツディメンション + hessian_ディメンション。
public Output <Integer> statssummaryShape ()
出力ランク 1 テンソル (shape=[4]) テンソルには次の 4 つの値があります: [max_splits、feature_dimension、num_buckets、statistics_dimension]、ここで、statistics_dimension = gradient_dimension + hessian_dimension。 gradient_dimension は label_dimension、つまり出力空間と同じです。 hessian_dimension は、対角ヘシアンが使用される場合はロジット次元と同じにすることができ、完全ヘシアンが使用される場合は label_dimension^2 と同じにすることができます。