ai.onnx.ml - TreeEnsembleClassifier¶
TreeEnsembleClassifier - 5 (ai.onnx.ml)¶
版本¶
域:
ai.onnx.ml自版本:
5函数:
False支持级别:
SupportType.COMMON形状推理:
False
自 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¶
域:
ai.onnx.ml自版本:
3函数:
False支持级别:
SupportType.COMMON形状推理:
True
自 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¶
域:
ai.onnx.ml自版本:
1函数:
False支持级别:
SupportType.COMMON形状推理:
True
自 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。