ai.onnx.ml - TreeEnsembleClassifier¶
TreeEnsembleClassifier - 5 (ai.onnx.ml)¶
版本¶
網域:
ai.onnx.mlsince_version:
5函式:
False支援層級:
SupportType.COMMON形狀推論:
False
此版本的運算符已自網域 ai.onnx.ml 的版本 5 起棄用。
摘要¶
此運算符已棄用。請使用提供類似功能的 TreeEnsemble。為了確定頂級類別，可以將 ArgMax 節點應用於 TreeEnsemble 的輸出。若要編碼類別標籤，請使用 LabelEncoder 運算符。樹狀集成分類器。傳回每個 N 個輸入的頂級類別。
名為 ‘nodes_X’ 的屬性形成一個元組序列，依索引關聯到序列中，這些序列的長度必須都相同。這些元組定義了節點。
同樣地，所有以 ‘class_’ 為字首的欄位都是葉子上的投票元組。一個葉子可能有多個投票，其中每個投票都由相關的 class_weights 索引加權。
只會定義 classlabels_strings 或 classlabels_int64s 中的一個。class_ids 是此列表的索引。如果元素類型為 double 而不是 float，則可以使用所有以 _as_tensor 結尾的欄位來代替沒有後綴的相同參數。
屬性¶
base_values - FLOATS :
分類的基本值，添加到最終的類別分數中；大小必須與類別相同，否則可以不指定（假設為 0）
base_values_as_tensor - TENSOR :
分類的基本值，添加到最終的類別分數中；大小必須與類別相同，否則可以不指定（假設為 0）
class_ids - INTS :
每個權重所屬的類別列表的索引。
class_nodeids - INTS :
此權重所屬的節點 id。
class_treeids - INTS :
此節點所在的樹狀結構的 id。
class_weights - FLOATS :
class_id 中類別的權重。
class_weights_as_tensor - TENSOR :
class_id 中類別的權重。
classlabels_int64s - INTS :
如果使用整數標籤，則為類別標籤。
必須定義 ‘classlabels_*’ 屬性中的一個，而且只有一個。classlabels_strings - STRINGS :
如果使用字串標籤，則為類別標籤。
必須定義 ‘classlabels_*’ 屬性中的一個，而且只有一個。nodes_falsenodeids - INTS :
如果表達式為 false，則為子節點。
nodes_featureids - INTS :
每個節點的特徵 id。
nodes_hitrates - FLOATS :
每個節點的流行度，用於效能，可以省略。
nodes_hitrates_as_tensor - TENSOR :
每個節點的流行度，用於效能，可以省略。
nodes_missing_value_tracks_true - INTS :
針對每個節點，定義在出現遺失值時該怎麼做：如果值遺失 (NaN)，則根據此陣列中的值使用 ‘true’ 或 ‘false’ 分支。
此屬性可以不定義，預設值對所有節點而言都是 false (0)。nodes_modes - STRINGS :
節點種類，也就是要在節點進行的比較。在葉節點中不需要進行比較。
‘BRANCH_LEQ’、‘BRANCH_LT’、‘BRANCH_GTE’、‘BRANCH_GT’、‘BRANCH_EQ’、‘BRANCH_NEQ’、‘LEAF’ 其中一個nodes_nodeids - INTS :
每個節點的節點 id。每個樹狀結構的 id 可以從零重新開始，但不是必需的。
nodes_treeids - INTS :
每個節點的樹狀結構 id。
nodes_truenodeids - INTS :
如果表達式為 true，則為子節點。
nodes_values - FLOATS :
每個節點用來進行分割的閾值。
nodes_values_as_tensor - TENSOR :
每個節點用來進行分割的閾值。
post_transform - STRING (預設為
'NONE')表示要應用於分數的轉換。
‘NONE,’ ‘SOFTMAX,’ ‘LOGISTIC,’ ‘SOFTMAX_ZERO,’ 或 ‘PROBIT’ 其中一個。
輸入¶
X (異質) - T1
形狀為 [N,F] 的輸入
輸出¶
Y (異質) - T2
N，每個點的頂級類別
Z (異質) - tensor(float)
每個點的每個類別的類別分數，形狀為 [N,E] 的張量。
類型約束¶
T1 在 (
tensor(double),tensor(float),tensor(int32),tensor(int64))輸入類型必須是數值類型的張量。
T2 在 (
tensor(int64),tensor(string))輸出類型將會是字串或整數的張量，具體取決於使用哪個 classlabels_* 屬性。
TreeEnsembleClassifier - 3 (ai.onnx.ml)¶
版本¶
網域:
ai.onnx.mlsince_version:
3函式:
False支援層級:
SupportType.COMMON形狀推論:
True
此版本的運算符自網域 ai.onnx.ml 的版本 3 起可用。
摘要¶
樹狀集成分類器。傳回每個 N 個輸入的頂級類別。
名為 ‘nodes_X’ 的屬性形成一個元組序列，依索引關聯到序列中，這些序列的長度必須都相同。這些元組定義了節點。
同樣地，所有以 ‘class_’ 為字首的欄位都是葉子上的投票元組。一個葉子可能有多個投票，其中每個投票都由相關的 class_weights 索引加權。
只會定義 classlabels_strings 或 classlabels_int64s 中的一個。class_ids 是此列表的索引。如果元素類型為 double 而不是 float，則可以使用所有以 _as_tensor 結尾的欄位來代替沒有後綴的相同參數。
屬性¶
base_values - FLOATS :
分類的基本值，添加到最終的類別分數中；大小必須與類別相同，否則可以不指定（假設為 0）
base_values_as_tensor - TENSOR :
分類的基本值，添加到最終的類別分數中；大小必須與類別相同，否則可以不指定（假設為 0）
class_ids - INTS :
每個權重所屬的類別列表的索引。
class_nodeids - INTS :
此權重所屬的節點 id。
class_treeids - INTS :
此節點所在的樹狀結構的 id。
class_weights - FLOATS :
class_id 中類別的權重。
class_weights_as_tensor - TENSOR :
class_id 中類別的權重。
classlabels_int64s - INTS :
如果使用整數標籤，則為類別標籤。
必須定義 ‘classlabels_*’ 屬性中的一個，而且只有一個。classlabels_strings - STRINGS :
如果使用字串標籤，則為類別標籤。
必須定義 ‘classlabels_*’ 屬性中的一個，而且只有一個。nodes_falsenodeids - INTS :
如果表達式為 false，則為子節點。
nodes_featureids - INTS :
每個節點的特徵 id。
nodes_hitrates - FLOATS :
每個節點的流行度，用於效能，可以省略。
nodes_hitrates_as_tensor - TENSOR :
每個節點的流行度，用於效能，可以省略。
nodes_missing_value_tracks_true - INTS :
針對每個節點，定義在出現遺失值時該怎麼做：如果值遺失 (NaN)，則根據此陣列中的值使用 ‘true’ 或 ‘false’ 分支。
此屬性可以不定義，預設值對所有節點而言都是 false (0)。nodes_modes - STRINGS :
節點種類，也就是要在節點進行的比較。在葉節點中不需要進行比較。
‘BRANCH_LEQ’、‘BRANCH_LT’、‘BRANCH_GTE’、‘BRANCH_GT’、‘BRANCH_EQ’、‘BRANCH_NEQ’、‘LEAF’ 其中一個nodes_nodeids - INTS :
每個節點的節點 id。每個樹狀結構的 id 可以從零重新開始，但不是必需的。
nodes_treeids - INTS :
每個節點的樹狀結構 id。
nodes_truenodeids - INTS :
如果表達式為 true，則為子節點。
nodes_values - FLOATS :
每個節點用來進行分割的閾值。
nodes_values_as_tensor - TENSOR :
每個節點用來進行分割的閾值。
post_transform - STRING (預設為
'NONE')表示要應用於分數的轉換。
‘NONE,’ ‘SOFTMAX,’ ‘LOGISTIC,’ ‘SOFTMAX_ZERO,’ 或 ‘PROBIT’ 其中一個。
輸入¶
X (異質) - T1
形狀為 [N,F] 的輸入
輸出¶
Y (異質) - T2
N，每個點的頂級類別
Z (異質) - tensor(float)
每個點的每個類別的類別分數，形狀為 [N,E] 的張量。
類型約束¶
T1 在 (
tensor(double),tensor(float),tensor(int32),tensor(int64))輸入類型必須是數值類型的張量。
T2 在 (
tensor(int64),tensor(string))輸出類型將會是字串或整數的張量，具體取決於使用哪個 classlabels_* 屬性。
TreeEnsembleClassifier - 1 (ai.onnx.ml)¶
版本¶
網域:
ai.onnx.mlsince_version:
1函式:
False支援層級:
SupportType.COMMON形狀推論:
True
摘要¶
樹狀集成分類器。傳回每個 N 個輸入的頂級類別。
名為 ‘nodes_X’ 的屬性形成一個元組序列，依索引關聯到序列中，這些序列的長度必須都相同。這些元組定義了節點。
同樣地，所有以 ‘class_’ 為字首的欄位都是葉子上的投票元組。一個葉子可能有多個投票，其中每個投票都由相關的 class_weights 索引加權。
classlabels_strings 或 classlabels_int64s 中只會定義一個。class_ids 是此列表的索引。
屬性¶
base_values - FLOATS :
分類的基本值，添加到最終的類別分數中；大小必須與類別相同，否則可以不指定（假設為 0）
class_ids - INTS :
每個權重所屬的類別列表的索引。
class_nodeids - INTS :
此權重所屬的節點 id。
class_treeids - INTS :
此節點所在的樹狀結構的 id。
class_weights - FLOATS :
class_id 中類別的權重。
classlabels_int64s - INTS :
如果使用整數標籤，則為類別標籤。
必須定義 ‘classlabels_*’ 屬性中的一個，而且只有一個。classlabels_strings - STRINGS :
如果使用字串標籤，則為類別標籤。
必須定義 ‘classlabels_*’ 屬性中的一個，而且只有一個。nodes_falsenodeids - INTS :
如果表達式為 false，則為子節點。
nodes_featureids - INTS :
每個節點的特徵 id。
nodes_hitrates - FLOATS :
每個節點的流行度，用於效能，可以省略。
nodes_missing_value_tracks_true - INTS :
針對每個節點，定義在出現遺失值時該怎麼做：如果值遺失 (NaN)，則根據此陣列中的值使用 ‘true’ 或 ‘false’ 分支。
此屬性可以不定義，預設值對所有節點而言都是 false (0)。nodes_modes - STRINGS :
節點種類，也就是要在節點進行的比較。在葉節點中不需要進行比較。
‘BRANCH_LEQ’、‘BRANCH_LT’、‘BRANCH_GTE’、‘BRANCH_GT’、‘BRANCH_EQ’、‘BRANCH_NEQ’、‘LEAF’ 其中一個nodes_nodeids - INTS :
每個節點的節點 id。每個樹狀結構的 id 可以從零重新開始，但不是必需的。
nodes_treeids - INTS :
每個節點的樹狀結構 id。
nodes_truenodeids - INTS :
如果表達式為 true，則為子節點。
nodes_values - FLOATS :
每個節點用來進行分割的閾值。
post_transform - STRING (預設為
'NONE')表示要應用於分數的轉換。
‘NONE,’ ‘SOFTMAX,’ ‘LOGISTIC,’ ‘SOFTMAX_ZERO,’ 或 ‘PROBIT’ 其中一個。
輸入¶
X (異質) - T1
形狀為 [N,F] 的輸入
輸出¶
Y (異質) - T2
N，每個點的頂級類別
Z (異質) - tensor(float)
每個點的每個類別的類別分數，形狀為 [N,E] 的張量。
類型約束¶
T1 在 (
tensor(double),tensor(float),tensor(int32),tensor(int64))輸入類型必須是數值類型的張量。
T2 在 (
tensor(int64),tensor(string))輸出類型將會是字串或整數的張量，具體取決於使用哪個 classlabels_* 屬性。