ai.onnx.ml - TreeEnsembleRegressor¶
TreeEnsembleRegressor - 5 (ai.onnx.ml)¶
版本¶
網域:
ai.onnx.ml起始版本:
5函式:
False支援等級:
SupportType.COMMON形狀推斷:
False
此版本的運算子自網域 ai.onnx.ml 的版本 5 起已遭棄用。
摘要¶
此運算子已遭棄用。請改用提供相同功能的 TreeEnsemble。
樹狀集成迴歸器。傳回 N 中每個輸入的迴歸值。
所有帶有 nodes_ 引數的都是樹狀節點元組的欄位，並假設它們的長度相同，且索引 i 會解碼這些輸入中的元組。每個節點 ID 對於每個樹狀 ID 只能出現一次。
所有以 target_ 為字首的欄位都是葉子上的投票元組。
一個葉子可以有多個投票，其中每個投票會由關聯的 target_weights 索引加權。
如果元素類型是 double 而非 float，則可以使用所有以 *\_as\_tensor* 結尾的欄位，而不用使用不帶尾碼的相同參數。所有樹狀結構的節點 ID 都必須從 0 開始，並以 1 遞增。
模式列舉為 BRANCH_LEQ、BRANCH_LT、BRANCH_GTE、BRANCH_GT、BRANCH_EQ、BRANCH_NEQ、LEAF
屬性¶
aggregate_function - STRING (預設值為
'SUM')定義如何在目標內聚合葉子值。
為 'AVERAGE'、'SUM'、'MIN'、'MAX' 其中之一。base_values - FLOATS :
迴歸的基準值，在套用 aggregate_function 後新增至最終預測；大小必須與類別相同，或可以保持未指定 (假設為 0)
base_values_as_tensor - TENSOR :
迴歸的基準值，在套用 aggregate_function 後新增至最終預測；大小必須與類別相同，或可以保持未指定 (假設為 0)
n_targets - INT :
目標總數。
nodes_falsenodeids - INTS :
若表示式為 false 時的子節點
nodes_featureids - INTS :
每個節點的功能 ID。
nodes_hitrates - FLOATS :
每個節點的普及度，用於效能，可以省略。
nodes_hitrates_as_tensor - TENSOR :
每個節點的普及度，用於效能，可以省略。
nodes_missing_value_tracks_true - INTS :
對於每個節點，定義在出現 NaN 時該怎麼做：根據此陣列中的值，使用 'true' (如果屬性值為 1) 或 'false' (如果屬性值為 0) 分支。
這個屬性可以保持未定義，且預設值為所有節點的 false (0)。nodes_modes - STRINGS :
節點類型，也就是要在節點上進行的比較。在葉節點上不進行比較。
為 'BRANCH_LEQ'、'BRANCH_LT'、'BRANCH_GTE'、'BRANCH_GT'、'BRANCH_EQ'、'BRANCH_NEQ'、'LEAF' 其中之一nodes_nodeids - INTS :
每個節點的節點 ID。每個樹狀結構的節點 ID 都必須從零開始，並依序遞增。
nodes_treeids - INTS :
每個節點的樹狀結構 ID。
nodes_truenodeids - INTS :
若表示式為 true 時的子節點
nodes_values - FLOATS :
用於每個節點分割的臨界值。
nodes_values_as_tensor - TENSOR :
用於每個節點分割的臨界值。
post_transform - STRING (預設值為
'NONE')指出要套用至分數的轉換。
為 'NONE'、'SOFTMAX'、'LOGISTIC'、'SOFTMAX_ZERO' 或 'PROBIT' 其中之一target_ids - INTS :
每個權重的目標索引
target_nodeids - INTS :
每個權重的節點 ID
target_treeids - INTS :
每個節點所在的樹狀結構 ID。
target_weights - FLOATS :
每個目標的權重
target_weights_as_tensor - TENSOR :
每個目標的權重
輸入¶
X (異質) - T
形狀為 [N,F] 的輸入
輸出¶
Y (異質) - tensor(float)
N 個類別
類型限制¶
T 在 (
tensor(double),tensor(float),tensor(int32),tensor(int64)) 中輸入類型必須是數值類型的張量。
TreeEnsembleRegressor - 3 (ai.onnx.ml)¶
版本¶
網域:
ai.onnx.ml起始版本:
3函式:
False支援等級:
SupportType.COMMON形狀推斷:
True
此版本的運算子自網域 ai.onnx.ml 的版本 3 起可用。
摘要¶
樹狀集成迴歸器。傳回 N 中每個輸入的迴歸值。
所有帶有 nodes_ 引數的都是樹狀節點元組的欄位，並假設它們的長度相同，且索引 i 會解碼這些輸入中的元組。每個節點 ID 對於每個樹狀 ID 只能出現一次。
所有以 target_ 為字首的欄位都是葉子上的投票元組。
一個葉子可以有多個投票，其中每個投票會由關聯的 target_weights 索引加權。
如果元素類型是 double 而非 float，則可以使用所有以 *\_as\_tensor* 結尾的欄位，而不用使用不帶尾碼的相同參數。所有樹狀結構的節點 ID 都必須從 0 開始，並以 1 遞增。
模式列舉為 BRANCH_LEQ、BRANCH_LT、BRANCH_GTE、BRANCH_GT、BRANCH_EQ、BRANCH_NEQ、LEAF
屬性¶
aggregate_function - STRING (預設值為
'SUM')定義如何在目標內聚合葉子值。
為 'AVERAGE'、'SUM'、'MIN'、'MAX' 其中之一。base_values - FLOATS :
迴歸的基準值，在套用 aggregate_function 後新增至最終預測；大小必須與類別相同，或可以保持未指定 (假設為 0)
base_values_as_tensor - TENSOR :
迴歸的基準值，在套用 aggregate_function 後新增至最終預測；大小必須與類別相同，或可以保持未指定 (假設為 0)
n_targets - INT :
目標總數。
nodes_falsenodeids - INTS :
若表示式為 false 時的子節點
nodes_featureids - INTS :
每個節點的功能 ID。
nodes_hitrates - FLOATS :
每個節點的普及度，用於效能，可以省略。
nodes_hitrates_as_tensor - TENSOR :
每個節點的普及度，用於效能，可以省略。
nodes_missing_value_tracks_true - INTS :
對於每個節點，定義在出現 NaN 時該怎麼做：根據此陣列中的值，使用 'true' (如果屬性值為 1) 或 'false' (如果屬性值為 0) 分支。
這個屬性可以保持未定義，且預設值為所有節點的 false (0)。nodes_modes - STRINGS :
節點類型，也就是要在節點上進行的比較。在葉節點上不進行比較。
為 'BRANCH_LEQ'、'BRANCH_LT'、'BRANCH_GTE'、'BRANCH_GT'、'BRANCH_EQ'、'BRANCH_NEQ'、'LEAF' 其中之一nodes_nodeids - INTS :
每個節點的節點 ID。每個樹狀結構的節點 ID 都必須從零開始，並依序遞增。
nodes_treeids - INTS :
每個節點的樹狀結構 ID。
nodes_truenodeids - INTS :
若表示式為 true 時的子節點
nodes_values - FLOATS :
用於每個節點分割的臨界值。
nodes_values_as_tensor - TENSOR :
用於每個節點分割的臨界值。
post_transform - STRING (預設值為
'NONE')指出要套用至分數的轉換。
為 'NONE'、'SOFTMAX'、'LOGISTIC'、'SOFTMAX_ZERO' 或 'PROBIT' 其中之一target_ids - INTS :
每個權重的目標索引
target_nodeids - INTS :
每個權重的節點 ID
target_treeids - INTS :
每個節點所在的樹狀結構 ID。
target_weights - FLOATS :
每個目標的權重
target_weights_as_tensor - TENSOR :
每個目標的權重
輸入¶
X (異質) - T
形狀為 [N,F] 的輸入
輸出¶
Y (異質) - tensor(float)
N 個類別
類型限制¶
T 在 (
tensor(double),tensor(float),tensor(int32),tensor(int64)) 中輸入類型必須是數值類型的張量。
TreeEnsembleRegressor - 1 (ai.onnx.ml)¶
版本¶
網域:
ai.onnx.ml起始版本:
1函式:
False支援等級:
SupportType.COMMON形狀推斷:
False
此版本的運算子自網域 ai.onnx.ml 的版本 1 起可用。
摘要¶
樹狀集成迴歸器。傳回 N 中每個輸入的迴歸值。
所有帶有 nodes_ 引數的都是樹狀節點元組的欄位，並假設它們的長度相同，且索引 i 會解碼這些輸入中的元組。每個節點 ID 對於每個樹狀 ID 只能出現一次。
所有以 target_ 為字首的欄位都是葉子上的投票元組。
一個葉子可以有多個投票，其中每個投票會由關聯的 target_weights 索引加權。
所有樹狀結構的節點 ID 都必須從 0 開始，並以 1 遞增。
模式列舉為 BRANCH_LEQ、BRANCH_LT、BRANCH_GTE、BRANCH_GT、BRANCH_EQ、BRANCH_NEQ、LEAF
屬性¶
aggregate_function - STRING (預設值為
'SUM')定義如何在目標內聚合葉子值。
為 'AVERAGE'、'SUM'、'MIN'、'MAX' 其中之一。base_values - FLOATS :
分類的基準值，新增至最終類別分數；大小必須與類別相同，或可以保持未指定 (假設為 0)
n_targets - INT :
目標總數。
nodes_falsenodeids - INTS :
若表示式為 false 時的子節點
nodes_featureids - INTS :
每個節點的功能 ID。
nodes_hitrates - FLOATS :
每個節點的普及度，用於效能，可以省略。
nodes_missing_value_tracks_true - INTS :
對於每個節點，定義在出現 NaN 時該怎麼做：根據此陣列中的值，使用 'true' (如果屬性值為 1) 或 'false' (如果屬性值為 0) 分支。
這個屬性可以保持未定義，且預設值為所有節點的 false (0)。nodes_modes - STRINGS :
節點類型，也就是要在節點上進行的比較。在葉節點上不進行比較。
為 'BRANCH_LEQ'、'BRANCH_LT'、'BRANCH_GTE'、'BRANCH_GT'、'BRANCH_EQ'、'BRANCH_NEQ'、'LEAF' 其中之一nodes_nodeids - INTS :
每個節點的節點 ID。每個樹狀結構的節點 ID 都必須從零開始，並依序遞增。
nodes_treeids - INTS :
每個節點的樹狀結構 ID。
nodes_truenodeids - INTS :
若表示式為 true 時的子節點
nodes_values - FLOATS :
用於每個節點分割的臨界值。
post_transform - STRING (預設值為
'NONE')指出要套用至分數的轉換。
為 'NONE'、'SOFTMAX'、'LOGISTIC'、'SOFTMAX_ZERO' 或 'PROBIT' 其中之一target_ids - INTS :
每個權重的目標索引
target_nodeids - INTS :
每個權重的節點 ID
target_treeids - INTS :
每個節點所在的樹狀結構 ID。
target_weights - FLOATS :
每個目標的權重
輸入¶
X (異質) - T
形狀為 [N,F] 的輸入
輸出¶
Y (異質) - tensor(float)
N 個類別
類型限制¶
T 在 (
tensor(double),tensor(float),tensor(int32),tensor(int64)) 中輸入類型必須是數值類型的張量。