lớp cuối cùng công khai BoostedTreesTrainingPredict
Chạy nhiều bộ dự đoán tập hợp hồi quy cộng tính trên các phiên bản đầu vào và
tính toán cập nhật cho các bản ghi được lưu trong bộ nhớ đệm. Nó được thiết kế để sử dụng trong quá trình đào tạo. Nó duyệt qua các cây bắt đầu từ id cây được lưu trong bộ nhớ đệm và id nút được lưu trong bộ nhớ đệm rồi tính toán các bản cập nhật sẽ được đẩy vào bộ đệm.
Hằng số
| Sợi dây | OP_NAME | Tên của op này, được biết đến bởi công cụ lõi TensorFlow |
Phương pháp công khai
| tĩnh BoostedTreesTrainingPredict | |
| Đầu ra < TInt32 > | nútId () Tenor xếp hạng 1 chứa id nút mới trong tree_ids mới. |
| Đầu ra < TFloat32 > | một phầnLogits () Tenor xếp hạng 2 chứa bản cập nhật nhật ký (đối với các giá trị được lưu trong bộ nhớ đệm) cho mỗi ví dụ. |
| Đầu ra < TInt32 > | ID cây () Tenor xếp hạng 1 chứa id cây mới cho mỗi ví dụ. |
Phương pháp kế thừa
Hằng số
Chuỗi cuối cùng tĩnh công khai OP_NAME
Tên của op này, được biết đến bởi công cụ lõi TensorFlow
Giá trị không đổi: "BoostedTreesTrainingPredict"
Phương pháp công khai
public static BoostedTreesTrainingPredict tạo ( Phạm vi phạm vi, Toán hạng <?> treeEnsembleHandle, Toán hạng < TInt32 > cachedTreeIds, Toán hạng < TInt32 > cachedNodeIds, Iterable< Toán hạng < TInt32 >> BucketFeatures, Nhật ký dài Kích thước)
Phương thức gốc để tạo một lớp bao bọc một thao tác BoostedTreesTrainingPredict mới.
Thông số
| phạm vi | phạm vi hiện tại |
|---|---|
| Id cây được lưu trong bộ nhớ cache | Tensor xếp hạng 1 chứa id cây được lưu trong bộ nhớ cache là cây dự đoán bắt đầu. |
| IdNode được lưu trong bộ nhớ đệm | Tenor hạng 1 chứa id nút được lưu trong bộ nhớ cache là nút bắt đầu dự đoán. |
| tính năng xô | Danh sách Tensor xếp hạng 1 chứa id nhóm cho từng tính năng. |
| logitsKích thước | vô hướng, kích thước của logit, được sử dụng cho hình dạng logit từng phần. |
Trả lại
- một phiên bản mới của BoostedTreesTrainingPredict
Đầu ra công khai < TFloat32 > một phầnLogits ()
Tenor xếp hạng 2 chứa bản cập nhật nhật ký (đối với các giá trị được lưu trong bộ nhớ đệm) cho mỗi ví dụ.