ai.onnx.ml - TreeEnsembleClassifier¶
TreeEnsembleClassifier - 5 (ai.onnx.ml)¶
版本¶
域:
ai.onnx.ml起始版本:
5函数:
False支持级别:
SupportType.COMMON形状推断:
False
此运算符版本已自域 ai.onnx.ml 的版本 5 起弃用。
总结¶
此运算符已弃用。请使用提供类似功能的 TreeEnsemble。为了确定最佳类别，可以将 ArgMax 节点应用于 TreeEnsemble 的输出。若要编码类别标签，请使用 LabelEncoder 运算符。树集成分类器。返回 N 个输入中每个输入的最佳类别。
名为“nodes_X”的属性构成一系列元组，按索引关联到序列中，所有序列都必须具有相同的长度。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。叶节点可能有多个投票，其中每个投票的权重由关联的 class_weights 索引决定。
classlabels_strings 或 classlabels_int64s 中只有一个会定义。class_ids 是此列表的索引。所有以“_as_tensor”结尾的字段可以替代没有后缀的相同参数使用，前提是元素类型为 double 而不是 float。
属性¶
base_values - FLOATS :
用于分类的基本值，添加到最终类别分数中；大小必须与类别相同，或者可以不分配（假定为 0）
base_values_as_tensor - TENSOR :
用于分类的基本值，添加到最终类别分数中；大小必须与类别相同，或者可以不分配（假定为 0）
class_ids - INTS :
每个权重所针对的类别列表的索引。
class_nodeids - INTS :
此权重所针对的节点 ID。
class_treeids - INTS :
此节点所在的树的 ID。
class_weights - FLOATS :
class_id 中类别的权重。
class_weights_as_tensor - TENSOR :
class_id 中类别的权重。
classlabels_int64s - INTS :
如果使用整数标签，则为类别标签。
必须仅定义“classlabels_*”属性中的一个。classlabels_strings - STRINGS :
如果使用字符串标签，则为类别标签。
必须仅定义“classlabels_*”属性中的一个。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 :
每个节点的流行度，用于性能，可以省略。
nodes_hitrates_as_tensor - TENSOR :
每个节点的流行度，用于性能，可以省略。
nodes_missing_value_tracks_true - INTS :
对于每个节点，定义在出现缺失值时该怎么做：如果值缺失（NaN），则根据此数组中的值使用“true”或“false”分支。
此属性可以不定义，所有节点的默认值为假 (0)。nodes_modes - STRINGS :
节点类型，即在节点处要进行的比较。叶节点处无需进行比较。
“BRANCH_LEQ”、“BRANCH_LT”、“BRANCH_GTE”、“BRANCH_GT”、“BRANCH_EQ”、“BRANCH_NEQ”、“LEAF”之一nodes_nodeids - INTS :
每个节点的节点 ID。每个树的 ID 可以从零重新开始，但不是必需的。
nodes_treeids - INTS :
每个节点的树 ID。
nodes_truenodeids - INTS :
如果表达式为真，则为子节点。
nodes_values - 浮点数 :
每个节点拆分的阈值。
nodes_values_as_tensor - 张量 :
每个节点拆分的阈值。
post_transform - 字符串（默认值为
'NONE'）指示要应用于分数的变换。
其中之一为“NONE”、“SOFTMAX”、“LOGISTIC”、“SOFTMAX_ZERO”或“PROBIT”。
输入¶
X（异构） - T1
形状为 [N,F] 的输入
输出¶
Y（异构） - T2
N，每个点的最高类别
Z（异构） - tensor(float)
每个类的类别分数，每个点，形状为 [N,E] 的张量。
类型约束¶
T1 in (
tensor(double),tensor(float),tensor(int32),tensor(int64))输入类型必须是数值类型的张量。
T2 in (
tensor(int64),tensor(string))输出类型将是字符串或整数的张量，具体取决于使用哪个 classlabels_* 属性。
TreeEnsembleClassifier - 3 (ai.onnx.ml)¶
版本¶
域:
ai.onnx.mlsince_version:
3函数:
False支持级别:
SupportType.COMMONshape inference:
True
此版本的运算符已在 **ai.onnx.ml 域的版本 3** 中提供。
摘要¶
树集成分类器。返回 N 个输入中的每个输入的最高类别。
名为“nodes_X”的属性构成一系列元组，按索引关联到序列中，所有序列都必须具有相同的长度。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。叶节点可能有多个投票，其中每个投票的权重由关联的 class_weights 索引决定。
classlabels_strings 或 classlabels_int64s 中只有一个会定义。class_ids 是此列表的索引。所有以“_as_tensor”结尾的字段可以替代没有后缀的相同参数使用，前提是元素类型为 double 而不是 float。
属性¶
base_values - FLOATS :
用于分类的基本值，添加到最终类别分数中；大小必须与类别相同，或者可以不分配（假定为 0）
base_values_as_tensor - TENSOR :
用于分类的基本值，添加到最终类别分数中；大小必须与类别相同，或者可以不分配（假定为 0）
class_ids - INTS :
每个权重所针对的类别列表的索引。
class_nodeids - INTS :
此权重所针对的节点 ID。
class_treeids - INTS :
此节点所在的树的 ID。
class_weights - FLOATS :
class_id 中类别的权重。
class_weights_as_tensor - TENSOR :
class_id 中类别的权重。
classlabels_int64s - INTS :
如果使用整数标签，则为类别标签。
必须仅定义“classlabels_*”属性中的一个。classlabels_strings - STRINGS :
如果使用字符串标签，则为类别标签。
必须仅定义“classlabels_*”属性中的一个。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 :
每个节点的流行度，用于性能，可以省略。
nodes_hitrates_as_tensor - TENSOR :
每个节点的流行度，用于性能，可以省略。
nodes_missing_value_tracks_true - INTS :
对于每个节点，定义在出现缺失值时该怎么做：如果值缺失（NaN），则根据此数组中的值使用“true”或“false”分支。
此属性可以不定义，所有节点的默认值为假 (0)。nodes_modes - STRINGS :
节点类型，即在节点处要进行的比较。叶节点处无需进行比较。
“BRANCH_LEQ”、“BRANCH_LT”、“BRANCH_GTE”、“BRANCH_GT”、“BRANCH_EQ”、“BRANCH_NEQ”、“LEAF”之一nodes_nodeids - INTS :
每个节点的节点 ID。每个树的 ID 可以从零重新开始，但不是必需的。
nodes_treeids - INTS :
每个节点的树 ID。
nodes_truenodeids - INTS :
如果表达式为真，则为子节点。
nodes_values - 浮点数 :
每个节点拆分的阈值。
nodes_values_as_tensor - 张量 :
每个节点拆分的阈值。
post_transform - 字符串（默认值为
'NONE'）指示要应用于分数的变换。
其中之一为“NONE”、“SOFTMAX”、“LOGISTIC”、“SOFTMAX_ZERO”或“PROBIT”。
输入¶
X（异构） - T1
形状为 [N,F] 的输入
输出¶
Y（异构） - T2
N，每个点的最高类别
Z（异构） - tensor(float)
每个类的类别分数，每个点，形状为 [N,E] 的张量。
类型约束¶
T1 in (
tensor(double),tensor(float),tensor(int32),tensor(int64))输入类型必须是数值类型的张量。
T2 in (
tensor(int64),tensor(string))输出类型将是字符串或整数的张量，具体取决于使用哪个 classlabels_* 属性。
TreeEnsembleClassifier - 1 (ai.onnx.ml)¶
版本¶
域:
ai.onnx.mlsince_version:
1函数:
False支持级别:
SupportType.COMMONshape inference:
True
此版本的运算符已在 **ai.onnx.ml 域的版本 1** 中提供。
摘要¶
树集成分类器。返回 N 个输入中的每个输入的最高类别。
名为“nodes_X”的属性构成一系列元组，按索引关联到序列中，所有序列都必须具有相同的长度。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。叶节点可能有多个投票，其中每个投票的权重由关联的 class_weights 索引决定。
classlabels_strings 或 classlabels_int64s 中只有一个将被定义。class_ids 是此列表中的索引。
属性¶
base_values - FLOATS :
用于分类的基本值，添加到最终类别分数中；大小必须与类别相同，或者可以不分配（假定为 0）
class_ids - INTS :
每个权重所针对的类别列表的索引。
class_nodeids - INTS :
此权重所针对的节点 ID。
class_treeids - INTS :
此节点所在的树的 ID。
class_weights - FLOATS :
class_id 中类别的权重。
classlabels_int64s - INTS :
如果使用整数标签，则为类别标签。
必须仅定义“classlabels_*”属性中的一个。classlabels_strings - STRINGS :
如果使用字符串标签，则为类别标签。
必须仅定义“classlabels_*”属性中的一个。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 :
每个节点的流行度，用于性能，可以省略。
nodes_missing_value_tracks_true - INTS :
对于每个节点，定义在出现缺失值时该怎么做：如果值缺失（NaN），则根据此数组中的值使用“true”或“false”分支。
此属性可以不定义，所有节点的默认值为假 (0)。nodes_modes - STRINGS :
节点类型，即在节点处要进行的比较。叶节点处无需进行比较。
“BRANCH_LEQ”、“BRANCH_LT”、“BRANCH_GTE”、“BRANCH_GT”、“BRANCH_EQ”、“BRANCH_NEQ”、“LEAF”之一nodes_nodeids - INTS :
每个节点的节点 ID。每个树的 ID 可以从零重新开始，但不是必需的。
nodes_treeids - INTS :
每个节点的树 ID。
nodes_truenodeids - INTS :
如果表达式为真，则为子节点。
nodes_values - 浮点数 :
每个节点拆分的阈值。
post_transform - 字符串（默认值为
'NONE'）指示要应用于分数的变换。
其中之一为“NONE”、“SOFTMAX”、“LOGISTIC”、“SOFTMAX_ZERO”或“PROBIT”。
输入¶
X（异构） - T1
形状为 [N,F] 的输入
输出¶
Y（异构） - T2
N，每个点的最高类别
Z（异构） - tensor(float)
每个类的类别分数，每个点，形状为 [N,E] 的张量。
类型约束¶
T1 in (
tensor(double),tensor(float),tensor(int32),tensor(int64))输入类型必须是数值类型的张量。
T2 in (
tensor(int64),tensor(string))输出类型将是字符串或整数的张量，具体取决于使用哪个 classlabels_* 属性。