tf.raw_ops.BoostedTreesCalculateBestFeatureSplitV2

Вычисляет приросты для каждого признака и возвращает информацию о лучшем возможном разбиении для каждого узла. Однако, если разбиение не найдено, то информация о разбиении для этого узла не возвращается.

Псевдонимы

Псевдонимы для миграции

См. Руководство по миграции для получения дополнительной информации.

tf.compat.v1.raw_ops.BoostedTreesCalculateBestFeatureSplitV2

tf.raw_ops.BoostedTreesCalculateBestFeatureSplitV2(
    node_id_range,
    stats_summaries_list,
    split_types,
    candidate_feature_ids,
    l1,
    l2,
    tree_complexity,
    min_node_weight,
    logits_dimension,
    name=None
)

Информация о разбиении — это лучший порог (номер корзины), приросты и вклад левого/правого узла на узел для каждого признака.

Возможен случай, когда не все узлы могут быть разделены по каждому признаку. Следовательно, список возможных узлов может отличаться между признаками. Поэтому мы возвращаем node_ids_list для каждого признака, содержащего список узлов, которые могут быть использованы для разбиения по этому признаку.

Таким образом, результат представляет собой наилучшее разбиение по признакам и по узлу, поэтому его необходимо объединить позже, чтобы получить наилучшее разбиение для каждого узла (среди всех возможных признаков).

Форматы выходных данных совместимы таким образом, что первое измерение всех тензоров одинаково и равно числу возможных узлов разбиения для каждого признака.

Аргументы
`node_id_range`	A `Tensor` типа `int32`. Векторный тензор (shape=[2]), указывающий диапазон [first, last) номеров узлов для обработки в `stats_summary_list`. Узлы перебираются 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] исключается).
`stats_summaries_list`	Список из по крайней мере 1 `Tensor` объектов типа `float32`. Список тензоров ранга 4 (#shape=[max_splits, feature_dims, bucket, stats_dims]) для суммарных статистических данных (градиент/гессиан) на узел, по измерениям, по корзинам для каждого признака. Первое измерение тензора — максимальное количество разбиений, и поэтому не все элементы будут использованы, но будут использованы только индексы, указанные в node_ids.
`split_types`	A `Tensor` типа `string`. Векторный тензор, указывающий, должен ли этот оператор выполнять неравное или равное разбиение по признаку.
`candidate_feature_ids`	A `Tensor` типа `int32`. Векторный тензор с идентификаторами для каждого признака. Это фактический идентификатор признака.
`l1`	A `Tensor` типа `float32`. Фактор регуляризации L1 для весов листа, на основе примера.
`l2`	A `Tensor` типа `float32`. Фактор регуляризации L2 для весов листа, на основе примера.
`tree_complexity`	A `Tensor` типа `float32`. Корректировка прироста, на основе листа.
`min_node_weight`	A `Tensor` типа `float32`. Минимальное среднее значение гессианов в узле, необходимое для того, чтобы узел рассматривался для разбиения.
`logits_dimension`	A `int`, который является `>= 1`. Размеры лога, то есть количество классов.
`name`	Имя операции (необязательно).

Возвращаемое значение
Кортеж объектов `Tensor` (node_ids, gains, feature_ids, feature_dimensions, thresholds, left_node_contribs, right_node_contribs, split_with_default_directions).
`node_ids`	A `Tensor` типа `int32`.
`gains`	A `Tensor` типа `float32`.
`feature_ids`	A `Tensor` типа `int32`.
`feature_dimensions`	A `Tensor` типа `int32`.
`thresholds`	A `Tensor` типа `int32`.
`left_node_contribs`	A `Tensor` типа `float32`.
`right_node_contribs`	A `Tensor` типа `float32`.
`split_with_default_directions`	A `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/BoostedTreesCalculateBestFeatureSplitV2