tf.raw_ops.BoostedTreesCalculateBestFeatureSplit

Вычисляет приросты для каждого признака и возвращает наилучшую возможную информацию о разделении для признака.

Просмотреть псевдонимы

Псевдонимы совместимости для миграции

Подробнее см. в руководстве по миграции.

tf.compat.v1.raw_ops.BoostedTreesCalculateBestFeatureSplit

tf.raw_ops.BoostedTreesCalculateBestFeatureSplit(
    node_id_range,
    stats_summary,
    l1,
    l2,
    tree_complexity,
    min_node_weight,
    logits_dimension,
    split_type='inequality',
    name=None
)

Информация о разделении включает наилучший порог (идентификатор корзины), приросты и вклады левого/правого узлов для каждого узла и каждого признака.

Некоторые узлы могут быть недоступны для разделения по каждому признаку. Поэтому список возможных узлов для разных признаков может различаться. В связи с этим для каждого признака возвращается node_ids_list, содержащий список узлов, которые можно разделить с помощью этого признака.

Таким образом, на выходе получаем наилучшее разделение для каждого признака и каждого узла; впоследствии его необходимо объединить, чтобы получить наилучшее разделение для каждого узла (среди всех возможных признаков).

Формы выходных данных совместимы: первое измерение всех тензоров одинаково и соответствует числу возможных узлов разделения для каждого признака.

Аргументы
`node_id_range`	`Tensor` типа `int32`. Тензор ранга 1 (shape=[2]), задающий диапазон [first, last) идентификаторов узлов для обработки в `stats_summary_list`. Перебор узлов выполняется между двумя узлами, указанными в тензоре, как в `for node_id in range(node_id_range[0], node_id_range[1])` (обратите внимание, что последний индекс node_id_range[1] не включается в диапазон).
`stats_summary`	`Tensor` типа `float32`. Тензор ранга 4 (#shape=[max_splits, feature_dims, bucket, stats_dims]) со сводной статистикой накопленных значений (градиент/гессиан) для каждого узла, каждого измерения и каждой корзины для каждого признака. Первое измерение тензора соответствует максимальному числу разделений, поэтому будут использоваться не все его элементы, а только индексы, указанные в node_ids.
`l1`	`Tensor` типа `float32`. Коэффициент регуляризации l1 для весов листьев, рассчитанный на экземпляр.
`l2`	`Tensor` типа `float32`. Коэффициент регуляризации l2 для весов листьев, рассчитанный на экземпляр.
`tree_complexity`	`Tensor` типа `float32`. Поправка к приросту, рассчитанная на лист.
`min_node_weight`	`Tensor` типа `float32`. Минимальное среднее значение гессианов в узле, необходимое для рассмотрения узла как кандидата на разделение.
`logits_dimension`	`int` со значением `>= 1`. Размерность логита, то есть число классов.
`split_type`	Необязательный `string` из: `"inequality", "equality"`. По умолчанию — `"inequality"`. Строка, указывающая, следует ли этой операции выполнять разделение по неравенству или разделение по равенству.
`name`	Имя операции (необязательно).

Возвращает
Кортеж объектов `Tensor` (node_ids, gains, feature_dimensions, thresholds, left_node_contribs, right_node_contribs, split_with_default_directions).
`node_ids`	`Tensor` типа `int32`.
`gains`	`Tensor` типа `float32`.
`feature_dimensions`	`Tensor` типа `int32`.
`thresholds`	`Tensor` типа `int32`.
`left_node_contribs`	`Tensor` типа `float32`.
`right_node_contribs`	`Tensor` типа `float32`.
`split_with_default_directions`	`Tensor` типа `string`.

© 2022 The TensorFlow Authors. All rights reserved.
Licensed under the Creative Commons Attribution License 4.0.
Code samples licensed under the Apache 2.0 License.
https://www.tensorflow.org/api_docs/python/tf/raw_ops/BoostedTreesCalculateBestFeatureSplit