ai.onnx.ml - TreeEnsembleClassifier

TreeEnsembleClassifier - 5 (ai.onnx.ml)

版本

ai.onnx.ml 域的第 5 版起,此版本的算子已被弃用。

摘要

此算子已弃用。请使用提供类似功能的 TreeEnsemble。为了确定最高类别,可以将 ArgMax 节点应用于 TreeEnsemble 的输出。要编码类标签,请使用 LabelEncoder 算子。树集成分类器。返回 N 个输入中每个输入的最高类别。
名为“nodes_X”的属性形成一系列元组,通过索引关联到序列中,这些序列的长度必须相等。这些元组定义了节点。
类似地,所有以“class_”为前缀的字段都是叶节点的投票元组。一个叶节点可以有多个投票,每个投票由关联的 class_weights 索引加权。
classlabels_strings 或 classlabels_int64s 中必须且只能定义一个。class_ids 是此列表中的索引。如果元素类型是 double 而不是 float,则所有以 _as_tensor 结尾的字段都可以代替没有该后缀的同名参数。

属性

  • base_values - FLOATS :

    用于分类的基础值,添加到最终类别得分中;大小必须与类别数量相同,或者可以不指定(假定为 0)

  • base_values_as_tensor - TENSOR :

    用于分类的基础值,添加到最终类别得分中;大小必须与类别数量相同,或者可以不指定(假定为 0)

  • class_ids - INTS :

    每个权重所属的类列表的索引。

  • class_nodeids - INTS :

    此权重所属的节点ID。

  • class_treeids - INTS :

    此节点所在的树ID。

  • class_weights - FLOATS :

    class_id 中类的权重。

  • class_weights_as_tensor - TENSOR :

    class_id 中类的权重。

  • classlabels_int64s - INTS :

    如果使用整数标签,则为类标签。
    ‘classlabels_*’ 属性中必须且只能定义一个。

  • classlabels_strings - STRINGS :

    如果使用字符串标签,则为类标签。
    ‘classlabels_*’ 属性中必须且只能定义一个。

  • nodes_falsenodeids - INTS :

    如果表达式为假,则为子节点。

  • nodes_featureids - INTS :

    每个节点的特征ID。

  • nodes_hitrates - FLOATS :

    每个节点的受欢迎程度,用于性能优化,可省略。

  • nodes_hitrates_as_tensor - TENSOR :

    每个节点的受欢迎程度,用于性能优化,可省略。

  • nodes_missing_value_tracks_true - INTS :

    对于每个节点,定义在存在缺失值时如何处理:如果值缺失 (NaN),根据此数组中的值决定使用 'true' 分支还是 'false' 分支。
    此属性可以未定义,所有节点的默认值为 false (0)。

  • nodes_modes - STRINGS :

    节点类型,即在节点处进行的比较。叶节点无需进行比较。
    其中之一是 ‘BRANCH_LEQ’、‘BRANCH_LT’、‘BRANCH_GTE’、‘BRANCH_GT’、‘BRANCH_EQ’、‘BRANCH_NEQ’、‘LEAF’

  • nodes_nodeids - INTS :

    每个节点的节点ID。ID可以在每棵树中从零重新开始,但并非必需。

  • nodes_treeids - INTS :

    每个节点的树ID。

  • nodes_truenodeids - INTS :

    如果表达式为真,则为子节点。

  • nodes_values - FLOATS :

    每个节点进行分割的阈值。

  • nodes_values_as_tensor - TENSOR :

    每个节点进行分割的阈值。

  • post_transform - STRING (默认值为 'NONE')

    指示要应用于分数的变换。
    其中之一是 ‘NONE,’ ‘SOFTMAX,’ ‘LOGISTIC,’ ‘SOFTMAX_ZERO,’ 或 ‘PROBIT.’

输入

  • X (异构) - T1

    输入形状 [N,F]

输出

  • Y (异构) - T2

    N,每个点的最高类别

  • Z (异构) - tensor(float)

    每个点的每个类别的得分,形状为 [N,E] 的张量。

类型约束

  • T1 类型为 ( tensor(double), tensor(float), tensor(int32), tensor(int64) )

    输入类型必须是数值类型的张量。

  • T2 类型为 ( tensor(int64), tensor(string) )

    输出类型将是字符串或整数张量,具体取决于使用了哪个 classlabels_* 属性。

TreeEnsembleClassifier - 3 (ai.onnx.ml)

版本

ai.onnx.ml 域的第 3 版起,此版本的算子可用。

摘要

树集成分类器。返回 N 个输入中每个输入的最高类别。
名为“nodes_X”的属性形成一系列元组,通过索引关联到序列中,这些序列的长度必须相等。这些元组定义了节点。
类似地,所有以“class_”为前缀的字段都是叶节点的投票元组。一个叶节点可以有多个投票,每个投票由关联的 class_weights 索引加权。
classlabels_strings 或 classlabels_int64s 中必须且只能定义一个。class_ids 是此列表中的索引。如果元素类型是 double 而不是 float,则所有以 _as_tensor 结尾的字段都可以代替没有该后缀的同名参数。

属性

  • base_values - FLOATS :

    用于分类的基础值,添加到最终类别得分中;大小必须与类别数量相同,或者可以不指定(假定为 0)

  • base_values_as_tensor - TENSOR :

    用于分类的基础值,添加到最终类别得分中;大小必须与类别数量相同,或者可以不指定(假定为 0)

  • class_ids - INTS :

    每个权重所属的类列表的索引。

  • class_nodeids - INTS :

    此权重所属的节点ID。

  • class_treeids - INTS :

    此节点所在的树ID。

  • class_weights - FLOATS :

    class_id 中类的权重。

  • class_weights_as_tensor - TENSOR :

    class_id 中类的权重。

  • classlabels_int64s - INTS :

    如果使用整数标签,则为类标签。
    ‘classlabels_*’ 属性中必须且只能定义一个。

  • classlabels_strings - STRINGS :

    如果使用字符串标签,则为类标签。
    ‘classlabels_*’ 属性中必须且只能定义一个。

  • nodes_falsenodeids - INTS :

    如果表达式为假,则为子节点。

  • nodes_featureids - INTS :

    每个节点的特征ID。

  • nodes_hitrates - FLOATS :

    每个节点的受欢迎程度,用于性能优化,可省略。

  • nodes_hitrates_as_tensor - TENSOR :

    每个节点的受欢迎程度,用于性能优化,可省略。

  • nodes_missing_value_tracks_true - INTS :

    对于每个节点,定义在存在缺失值时如何处理:如果值缺失 (NaN),根据此数组中的值决定使用 'true' 分支还是 'false' 分支。
    此属性可以未定义,所有节点的默认值为 false (0)。

  • nodes_modes - STRINGS :

    节点类型,即在节点处进行的比较。叶节点无需进行比较。
    其中之一是 ‘BRANCH_LEQ’、‘BRANCH_LT’、‘BRANCH_GTE’、‘BRANCH_GT’、‘BRANCH_EQ’、‘BRANCH_NEQ’、‘LEAF’

  • nodes_nodeids - INTS :

    每个节点的节点ID。ID可以在每棵树中从零重新开始,但并非必需。

  • nodes_treeids - INTS :

    每个节点的树ID。

  • nodes_truenodeids - INTS :

    如果表达式为真,则为子节点。

  • nodes_values - FLOATS :

    每个节点进行分割的阈值。

  • nodes_values_as_tensor - TENSOR :

    每个节点进行分割的阈值。

  • post_transform - STRING (默认值为 'NONE')

    指示要应用于分数的变换。
    其中之一是 ‘NONE,’ ‘SOFTMAX,’ ‘LOGISTIC,’ ‘SOFTMAX_ZERO,’ 或 ‘PROBIT.’

输入

  • X (异构) - T1

    输入形状 [N,F]

输出

  • Y (异构) - T2

    N,每个点的最高类别

  • Z (异构) - tensor(float)

    每个点的每个类别的得分,形状为 [N,E] 的张量。

类型约束

  • T1 类型为 ( tensor(double), tensor(float), tensor(int32), tensor(int64) )

    输入类型必须是数值类型的张量。

  • T2 类型为 ( tensor(int64), tensor(string) )

    输出类型将是字符串或整数张量,具体取决于使用了哪个 classlabels_* 属性。

TreeEnsembleClassifier - 1 (ai.onnx.ml)

版本

ai.onnx.ml 域的第 1 版起,此版本的算子可用。

摘要

树集成分类器。返回 N 个输入中每个输入的最高类别。
名为“nodes_X”的属性形成一系列元组,通过索引关联到序列中,这些序列的长度必须相等。这些元组定义了节点。
类似地,所有以“class_”为前缀的字段都是叶节点的投票元组。一个叶节点可以有多个投票,每个投票由关联的 class_weights 索引加权。
classlabels_strings 或 classlabels_int64s 中必须且只能定义一个。class_ids 是此列表中的索引。

属性

  • base_values - FLOATS :

    用于分类的基础值,添加到最终类别得分中;大小必须与类别数量相同,或者可以不指定(假定为 0)

  • class_ids - INTS :

    每个权重所属的类列表的索引。

  • class_nodeids - INTS :

    此权重所属的节点ID。

  • class_treeids - INTS :

    此节点所在的树ID。

  • class_weights - FLOATS :

    class_id 中类的权重。

  • classlabels_int64s - INTS :

    如果使用整数标签,则为类标签。
    ‘classlabels_*’ 属性中必须且只能定义一个。

  • classlabels_strings - STRINGS :

    如果使用字符串标签,则为类标签。
    ‘classlabels_*’ 属性中必须且只能定义一个。

  • nodes_falsenodeids - INTS :

    如果表达式为假,则为子节点。

  • nodes_featureids - INTS :

    每个节点的特征ID。

  • nodes_hitrates - FLOATS :

    每个节点的受欢迎程度,用于性能优化,可省略。

  • nodes_missing_value_tracks_true - INTS :

    对于每个节点,定义在存在缺失值时如何处理:如果值缺失 (NaN),根据此数组中的值决定使用 'true' 分支还是 'false' 分支。
    此属性可以未定义,所有节点的默认值为 false (0)。

  • nodes_modes - STRINGS :

    节点类型,即在节点处进行的比较。叶节点无需进行比较。
    其中之一是 ‘BRANCH_LEQ’、‘BRANCH_LT’、‘BRANCH_GTE’、‘BRANCH_GT’、‘BRANCH_EQ’、‘BRANCH_NEQ’、‘LEAF’

  • nodes_nodeids - INTS :

    每个节点的节点ID。ID可以在每棵树中从零重新开始,但并非必需。

  • nodes_treeids - INTS :

    每个节点的树ID。

  • nodes_truenodeids - INTS :

    如果表达式为真,则为子节点。

  • nodes_values - FLOATS :

    每个节点进行分割的阈值。

  • post_transform - STRING (默认值为 'NONE')

    指示要应用于分数的变换。
    其中之一是 ‘NONE,’ ‘SOFTMAX,’ ‘LOGISTIC,’ ‘SOFTMAX_ZERO,’ 或 ‘PROBIT.’

输入

  • X (异构) - T1

    输入形状 [N,F]

输出

  • Y (异构) - T2

    N,每个点的最高类别

  • Z (异构) - tensor(float)

    每个点的每个类别的得分,形状为 [N,E] 的张量。

类型约束

  • T1 类型为 ( tensor(double), tensor(float), tensor(int32), tensor(int64) )

    输入类型必须是数值类型的张量。

  • T2 类型为 ( tensor(int64), tensor(string) )

    输出类型将是字符串或整数张量,具体取决于使用了哪个 classlabels_* 属性。