tf.raw_ops.BoostedTreesSparseCalculateBestFeatureSplit

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

Просмотр псевдонимов

Псевдонимы для миграции

Дополнительную информацию 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 — это наилучший порог (идентификатор корзины), выигрыши и вклады левого/правого узла на узел для каждого признака.

Возможны случаи, когда не все узлы могут быть разделены по каждому признаку. Поэтому список возможных узлов может отличаться для разных признаков. Следовательно, мы возвращаем node_ids_list для каждого признака, содержащего список узлов, которые можно использовать для разделения по этому признаку.

Таким образом, вывод 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 вывода совместимы таким образом, что первый размер всех тензоров одинаков и равен количеству возможных узлов разделения для каждого признака.

Аргументы
`node_id_range`	`Tensor` типа `int32`. Тензор ранга 1 (формат=[2]) для указания диапазона [первый, последний) идентификаторов 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] является исключающим).
`stats_summary_indices`	`Tensor` типа `int32`. Двумерный тензор int64 с плотной формой N, 4 для подведения итогов накопленных статистических данных (градиент/гессиан) на узел по корзине для каждого признака. Второе измерение содержит идентификатор узла, размерность признака, идентификатор корзины и размер статистических данных. Размер статистических данных — это сумма размерности логарифмов и размерности гессиана, размерность гессиана может быть либо размерностью логарифмов, если используется диагональная гессиан, или размерностью логарифмов в квадрате, если используется полная гессиан.
`stats_summary_values`	`Tensor` типа `float32`. Одномерный тензор с плавающей точкой с плотной формой N, который предоставляет значения для каждого элемента в summary_indices.
`stats_summary_shape`	`Tensor` типа `int32`. Одномерный тензор с плавающей точкой с плотной формой [4], который определяет плотный формат разреженного тензора, который составляет [количество узлов дерева, размерности признаков, количество корзин, размер статистических данных].
`l1`	`Tensor` типа `float32`. Коэффициент регуляризации L1 для весов листа, на основе экземпляра.
`l2`	`Tensor` типа `float32`. Коэффициент регуляризации L2 для весов листа, на основе экземпляра.
`tree_complexity`	`Tensor` типа `float32`. Коррекция выигрыша, на основе листа.
`min_node_weight`	`Tensor` типа `float32`. Минимальное среднее значение гессиана в узле, необходимое для того, чтобы узел считался для разделения.
`logits_dimension`	`int` , который является `>= 1`. Размерность логарифма, т. е. количество классов.
`split_type`	Необязательный `string` из: `"inequality"`. По умолчанию `"inequality"`. Строка, указывающая, должен ли этот оператор выполнять разбиение по неравенству или равенству.
`name`	Имя операции (необязательно).

Возвращаемые значения
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/versions/r2.9/api_docs/python/tf/raw_ops/BoostedTreesSparseCalculateBestFeatureSplit