ai.onnx.ml - TreeEnsembleClassifier¶
TreeEnsembleClassifier - 5 (ai.onnx.ml)¶
版本¶
域:
ai.onnx.ml
since_version:
5
函数:
False
支持级别:
SupportType.COMMON
形状推断:
False
此版本的运算符自 ai.onnx.ml 域版本 5 起已弃用。
摘要¶
此运算符已弃用。请使用功能相似的 TreeEnsemble。为了确定最高类别,可以将 ArgMax 节点应用于 TreeEnsemble 的输出。要编码类别标签,请使用 LabelEncoder 运算符。Tree Ensemble 分类器。为 N 个输入中的每个输入返回最高类别。
名为 'nodes_X' 的属性构成一系列元组,通过索引关联到序列,这些序列的长度必须全部相等。这些元组定义了节点。
类似地,所有以 'class_' 开头的字段都是叶节点上的投票元组。一个叶节点可以有多个投票,每个投票都由关联的 class_weights 索引加权。
classlabels_strings 或 classlabels_int64s 中必须定义且仅定义一个。class_ids 是此列表中的索引。如果元素类型为 double 而非 float,则可以使用名称末尾带有 _as_tensor 的所有字段来代替相同参数(不带后缀)。
属性¶
base_values - FLOATS :
分类的基值,加到最终的类别分数上;大小必须与类别数相同,或者可以不指定(假定为 0)
base_values_as_tensor - TENSOR :
分类的基值,加到最终的类别分数上;大小必须与类别数相同,或者可以不指定(假定为 0)
class_ids - INTS :
每个权重对应的类别列表的索引。
class_nodeids - INTS :
此权重对应的节点 ID。
class_treeids - INTS :
此节点所属的树的 ID。
class_weights - FLOATS :
class_id 中权重的权重。
class_weights_as_tensor - TENSOR :
class_id 中权重的权重。
classlabels_int64s - INTS :
使用整数标签时的类别标签。
必须定义 'classlabels_*' 属性中的一个且仅一个。classlabels_strings - STRINGS :
使用字符串标签时的类别标签。
必须定义 'classlabels_*' 属性中的一个且仅一个。nodes_falsenodeids - INTS :
如果表达式为 false,则跳转到的子节点。
nodes_featureids - INTS :
每个节点的特征 ID。
nodes_hitrates - FLOATS :
每个节点的流行度,用于性能分析,可以省略。
nodes_hitrates_as_tensor - TENSOR :
每个节点的流行度,用于性能分析,可以省略。
nodes_missing_value_tracks_true - INTS :
对于每个节点,定义在存在缺失值(NaN)时应如何处理:如果值为缺失,则根据此数组中的值选择“true”或“false”分支。
此属性可以不定义,所有节点的默认值为 false (0)。nodes_modes - STRINGS :
节点的种类,即节点上要进行的比较。叶节点上没有比较。
“BRANCH_LEQ”、“BRANCH_LT”、“BRANCH_GTE”、“BRANCH_GT”、“BRANCH_EQ”、“BRANCH_NEQ”、“LEAF”中的一个nodes_nodeids - INTS :
每个节点的节点 ID。ID 可以在每棵树中从零开始,但不是必需的。
nodes_treeids - INTS :
每个节点的树 ID。
nodes_truenodeids - INTS :
如果表达式为 true,则跳转到的子节点。
nodes_values - FLOATS :
每个节点上用于划分的阈值。
nodes_values_as_tensor - TENSOR :
每个节点上用于划分的阈值。
post_transform - STRING (默认值为
'NONE'
)指示应用于分数的转换。
“NONE”、“SOFTMAX”、“LOGISTIC”、“SOFTMAX_ZERO”或“PROBIT”中的一个。
输入¶
X (异构) - T1
输入形状为 [N,F]
输出¶
Y (异构) - T2
N,每个点的最高类别
Z (异构) - tensor(float)
每个点每个类别的类别分数,形状为 [N,E] 的张量。
类型约束¶
T1 (
tensor(double)
,tensor(float)
,tensor(int32)
,tensor(int64)
)输入类型必须是数值类型的张量。
T2 在 (
tensor(int64)
,tensor(string)
) 中输出类型将是字符串或整数张量,具体取决于使用的 classlabels_* 属性。
TreeEnsembleClassifier - 3 (ai.onnx.ml)¶
版本¶
域:
ai.onnx.ml
since_version:
3
函数:
False
支持级别:
SupportType.COMMON
形状推断:
True
此版本的运算符自 ai.onnx.ml 域版本 3 起可用。
摘要¶
Tree Ensemble 分类器。为 N 个输入中的每个输入返回最高类别。
名为 'nodes_X' 的属性构成一系列元组,通过索引关联到序列,这些序列的长度必须全部相等。这些元组定义了节点。
类似地,所有以 'class_' 开头的字段都是叶节点上的投票元组。一个叶节点可以有多个投票,每个投票都由关联的 class_weights 索引加权。
classlabels_strings 或 classlabels_int64s 中必须定义且仅定义一个。class_ids 是此列表中的索引。如果元素类型为 double 而非 float,则可以使用名称末尾带有 _as_tensor 的所有字段来代替相同参数(不带后缀)。
属性¶
base_values - FLOATS :
分类的基值,加到最终的类别分数上;大小必须与类别数相同,或者可以不指定(假定为 0)
base_values_as_tensor - TENSOR :
分类的基值,加到最终的类别分数上;大小必须与类别数相同,或者可以不指定(假定为 0)
class_ids - INTS :
每个权重对应的类别列表的索引。
class_nodeids - INTS :
此权重对应的节点 ID。
class_treeids - INTS :
此节点所属的树的 ID。
class_weights - FLOATS :
class_id 中权重的权重。
class_weights_as_tensor - TENSOR :
class_id 中权重的权重。
classlabels_int64s - INTS :
使用整数标签时的类别标签。
必须定义 'classlabels_*' 属性中的一个且仅一个。classlabels_strings - STRINGS :
使用字符串标签时的类别标签。
必须定义 'classlabels_*' 属性中的一个且仅一个。nodes_falsenodeids - INTS :
如果表达式为 false,则跳转到的子节点。
nodes_featureids - INTS :
每个节点的特征 ID。
nodes_hitrates - FLOATS :
每个节点的流行度,用于性能分析,可以省略。
nodes_hitrates_as_tensor - TENSOR :
每个节点的流行度,用于性能分析,可以省略。
nodes_missing_value_tracks_true - INTS :
对于每个节点,定义在存在缺失值(NaN)时应如何处理:如果值为缺失,则根据此数组中的值选择“true”或“false”分支。
此属性可以不定义,所有节点的默认值为 false (0)。nodes_modes - STRINGS :
节点的种类,即节点上要进行的比较。叶节点上没有比较。
“BRANCH_LEQ”、“BRANCH_LT”、“BRANCH_GTE”、“BRANCH_GT”、“BRANCH_EQ”、“BRANCH_NEQ”、“LEAF”中的一个nodes_nodeids - INTS :
每个节点的节点 ID。ID 可以在每棵树中从零开始,但不是必需的。
nodes_treeids - INTS :
每个节点的树 ID。
nodes_truenodeids - INTS :
如果表达式为 true,则跳转到的子节点。
nodes_values - FLOATS :
每个节点上用于划分的阈值。
nodes_values_as_tensor - TENSOR :
每个节点上用于划分的阈值。
post_transform - STRING (默认值为
'NONE'
)指示应用于分数的转换。
“NONE”、“SOFTMAX”、“LOGISTIC”、“SOFTMAX_ZERO”或“PROBIT”中的一个。
输入¶
X (异构) - T1
输入形状为 [N,F]
输出¶
Y (异构) - T2
N,每个点的最高类别
Z (异构) - tensor(float)
每个点每个类别的类别分数,形状为 [N,E] 的张量。
类型约束¶
T1 (
tensor(double)
,tensor(float)
,tensor(int32)
,tensor(int64)
)输入类型必须是数值类型的张量。
T2 在 (
tensor(int64)
,tensor(string)
) 中输出类型将是字符串或整数张量,具体取决于使用的 classlabels_* 属性。
TreeEnsembleClassifier - 1 (ai.onnx.ml)¶
版本¶
域:
ai.onnx.ml
起始版本:
1
函数:
False
支持级别:
SupportType.COMMON
形状推断:
True
该算子的此版本**自 ai.onnx.ml 域的 1 版本起**可用。
摘要¶
Tree Ensemble 分类器。为 N 个输入中的每个输入返回最高类别。
名为 'nodes_X' 的属性构成一系列元组,通过索引关联到序列,这些序列的长度必须全部相等。这些元组定义了节点。
类似地,所有以 'class_' 开头的字段都是叶节点上的投票元组。一个叶节点可以有多个投票,每个投票都由关联的 class_weights 索引加权。
classlabels_strings 或 classlabels_int64s 中必须定义且仅定义一个。class_ids 是此列表中的索引。
属性¶
base_values - FLOATS :
分类的基值,加到最终的类别分数上;大小必须与类别数相同,或者可以不指定(假定为 0)
class_ids - INTS :
每个权重对应的类别列表的索引。
class_nodeids - INTS :
此权重对应的节点 ID。
class_treeids - INTS :
此节点所属的树的 ID。
class_weights - FLOATS :
class_id 中权重的权重。
classlabels_int64s - INTS :
使用整数标签时的类别标签。
必须定义 'classlabels_*' 属性中的一个且仅一个。classlabels_strings - STRINGS :
使用字符串标签时的类别标签。
必须定义 'classlabels_*' 属性中的一个且仅一个。nodes_falsenodeids - INTS :
如果表达式为 false,则跳转到的子节点。
nodes_featureids - INTS :
每个节点的特征 ID。
nodes_hitrates - FLOATS :
每个节点的流行度,用于性能分析,可以省略。
nodes_missing_value_tracks_true - INTS :
对于每个节点,定义在存在缺失值(NaN)时应如何处理:如果值为缺失,则根据此数组中的值选择“true”或“false”分支。
此属性可以不定义,所有节点的默认值为 false (0)。nodes_modes - STRINGS :
节点的种类,即节点上要进行的比较。叶节点上没有比较。
“BRANCH_LEQ”、“BRANCH_LT”、“BRANCH_GTE”、“BRANCH_GT”、“BRANCH_EQ”、“BRANCH_NEQ”、“LEAF”中的一个nodes_nodeids - INTS :
每个节点的节点 ID。ID 可以在每棵树中从零开始,但不是必需的。
nodes_treeids - INTS :
每个节点的树 ID。
nodes_truenodeids - INTS :
如果表达式为 true,则跳转到的子节点。
nodes_values - FLOATS :
每个节点上用于划分的阈值。
post_transform - STRING (默认值为
'NONE'
)指示应用于分数的转换。
“NONE”、“SOFTMAX”、“LOGISTIC”、“SOFTMAX_ZERO”或“PROBIT”中的一个。
输入¶
X (异构) - T1
输入形状为 [N,F]
输出¶
Y (异构) - T2
N,每个点的最高类别
Z (异构) - tensor(float)
每个点每个类别的类别分数,形状为 [N,E] 的张量。
类型约束¶
T1 (
tensor(double)
,tensor(float)
,tensor(int32)
,tensor(int64)
)输入类型必须是数值类型的张量。
T2 在 (
tensor(int64)
,tensor(string)
) 中输出类型将是字符串或整数张量,具体取决于使用的 classlabels_* 属性。