ai.onnx.ml - TreeEnsembleClassifier¶

TreeEnsembleClassifier - 5 (ai.onnx.ml)¶

版本¶

名称: TreeEnsembleClassifier (GitHub)
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 vs 5

TreeEnsembleClassifier - 3 (ai.onnx.ml)¶

版本¶

名称: TreeEnsembleClassifier (GitHub)
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¶

名称: TreeEnsembleClassifier (GitHub)
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¶

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。