tf.raw_ops.BoostedTreesSparseCalculateBestFeatureSplit

Вычисляет прирост для каждого признака и возвращает информацию о наилучшем возможном разбиении для признака.

Просмотреть псевдонимы

Псевдонимы совместимости для миграции

Подробнее см. в руководстве по миграции.

tf.compat.v1.raw_ops.BoostedTreesSparseCalculateBestFeatureSplit

tf.raw_ops.BoostedTreesSparseCalculateBestFeatureSplit(
    node_id_range,
    stats_summary_indices,
    stats_summary_values,
    stats_summary_shape,
    l1,
    l2,
    tree_complexity,
    min_node_weight,
    logits_dimension,
    split_type='inequality',
    name=None
)

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

Возможно, что не каждый узел можно разделить по каждому признаку. Поэтому списки возможных узлов могут различаться для разных признаков. В результате для каждого признака возвращается node_ids_list, содержащий список узлов, которые можно разделить с помощью этого признака.

Таким образом, на выходе получается наилучшее разбиение для каждого признака и каждого узла, которое затем необходимо объединить, чтобы получить наилучшее разбиение для каждого узла (среди всех возможных признаков).

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

Аргументы
`node_id_range`	`Tensor` типа `int32`. Тензор ранга 1 (shape=[2]), задающий диапазон [first, last) идентификаторов узлов, которые нужно обработать в `stats_summary_list`. Перебор узлов выполняется между двумя узлами, указанными тензором, аналогично `for node_id in range(node_id_range[0], node_id_range[1])` (Обратите внимание, что последний индекс node_id_range[1] не включается).
`stats_summary_indices`	`Tensor` типа `int32`. Разреженный тензор int64 ранга 2 плотной формы N, 4 со сводной статистикой (градиент/гессиан) для каждого узла и каждой корзины каждого признака. Второе измерение содержит идентификатор узла, измерение признака, идентификатор корзины и размерность статистики. Размерность статистики — это сумма размерности логитов и размерности гессиана; размерность гессиана может быть равна размерности логитов, если используется диагональный гессиан, или квадрату размерности логитов, если используется полный гессиан.
`stats_summary_values`	`Tensor` типа `float32`. Тензор float ранга 1 плотной формы N, содержащий значения для каждого элемента в summary_indices.
`stats_summary_shape`	`Tensor` типа `int32`. Тензор float ранга 1 плотной формы [4], задающий плотную форму разреженного тензора: [num tree nodes, feature dimensions, num buckets, stats dim].
`l1`	`Tensor` типа `float32`. Коэффициент регуляризации l1 для весов листьев, рассчитываемый для каждого экземпляра.
`l2`	`Tensor` типа `float32`. Коэффициент регуляризации l2 для весов листьев, рассчитываемый для каждого экземпляра.
`tree_complexity`	`Tensor` типа `float32`. Корректировка прироста, рассчитываемая для каждого листа.
`min_node_weight`	`Tensor` типа `float32`. Минимальное среднее значение гессианов в узле, необходимое для того, чтобы узел можно было рассматривать для разбиения.
`logits_dimension`	`int` типа `>= 1`. Размерность логита, то есть число классов.
`split_type`	Необязательный `string` из: `"inequality"`. По умолчанию — `"inequality"`. Строка, указывающая, должно ли это Op выполнять разбиение по неравенству или по равенству.
`name`	Имя операции (необязательно).

Возвращает
Кортеж из 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/BoostedTreesSparseCalculateBestFeatureSplit