ai.onnx.ml - TreeEnsembleRegressor¶
TreeEnsembleRegressor - 5 (ai.onnx.ml)¶
版本¶
域:
ai.onnx.mlsince_version:
5函数:
False支持级别:
SupportType.COMMON形状推断:
False
此版本的算子已从 ai.onnx.ml 的 5 版本起被弃用。
摘要¶
此算子已被弃用。请使用 TreeEnsemble，它提供相同的功能。
Tree Ensemble 回归器。返回 N 个输入中每个输入的回归值。
所有带有 nodes_ 的参数都是树节点的元组字段，假定它们的长度相同，索引 i 将解码这些输入中的元组。每个节点的 ID 在每个树 ID 中只能出现一次。
所有以 target_ 开头的字段都是叶子处投票的元组。
一个叶子可能有多个投票，每个投票都由关联的 target_weights 索引加权。
所有以 _as_tensor 结尾的字段，如果元素类型是 double 而不是 float，则可以代替同名但没有后缀的参数。所有树的节点 ID 必须从 0 开始，并按 1 递增。
Mode 枚举为 BRANCH_LEQ, BRANCH_LT, BRANCH_GTE, BRANCH_GT, BRANCH_EQ, BRANCH_NEQ, LEAF
属性¶
aggregate_function - STRING (默认是
'SUM')定义如何在目标内聚合叶子值。
‘AVERAGE,’ ‘SUM,’ ‘MIN,’ ‘MAX.’ 中的一个。base_values - FLOATS :
回归的基值，在应用 aggregate_function 后添加到最终预测；大小必须与类别数相同，或者可以不赋值（假定为 0）。
base_values_as_tensor - TENSOR :
回归的基值，在应用 aggregate_function 后添加到最终预测；大小必须与类别数相同，或者可以不赋值（假定为 0）。
n_targets - INT :
目标的总数。
nodes_falsenodeids - INTS :
如果表达式为 false，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，可省略。
nodes_hitrates_as_tensor - TENSOR :
每个节点的流行度，用于性能，可省略。
nodes_missing_value_tracks_true - INTS :
对于每个节点，定义 NaN 的处理方式：根据此数组中的值，使用 ‘true’（如果属性值为 1）或 ‘false’（如果属性值为 0）分支。
此属性可以不定义，所有节点的默认值为 false (0)。nodes_modes - STRINGS :
节点类型，即在节点上进行的比较。叶子节点上没有比较。
‘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。节点 ID 必须在每个树中从零开始，并按顺序递增。
nodes_treeids - INTS :
每个节点的树 ID。
nodes_truenodeids - INTS :
如果表达式为 true，则为子节点。
nodes_values - FLOATS :
每个节点的分割阈值。
nodes_values_as_tensor - TENSOR :
每个节点的分割阈值。
post_transform - STRING (默认值为
'NONE')指示应用于分数的变换。
可以是 ‘NONE,’ ‘SOFTMAX,’ ‘LOGISTIC,’ ‘SOFTMAX_ZERO,’ 或 ‘PROBIT’ 之一target_ids - INTS :
每个权重的目标索引。
target_nodeids - INTS :
每个权重的节点 ID。
target_treeids - INTS :
每个节点所在树的 ID。
target_weights - FLOATS :
每个目标的权重。
target_weights_as_tensor - TENSOR :
每个目标的权重。
输入¶
X (异构) - T
形状为 [N,F] 的输入。
输出¶
Y (异构) - tensor(float)
N 个类别。
类型约束¶
T 在 (
tensor(double),tensor(float),tensor(int32),tensor(int64)) 中。输入类型必须是数值类型的张量。
TreeEnsembleRegressor - 3 (ai.onnx.ml)¶
版本¶
域:
ai.onnx.mlsince_version:
3函数:
False支持级别:
SupportType.COMMON形状推断:
True
此版本的算子自 ai.onnx.ml 的 3 版本起可用。
摘要¶
Tree Ensemble 回归器。返回 N 个输入中每个输入的回归值。
所有带有 nodes_ 的参数都是树节点的元组字段，假定它们的长度相同，索引 i 将解码这些输入中的元组。每个节点的 ID 在每个树 ID 中只能出现一次。
所有以 target_ 开头的字段都是叶子处投票的元组。
一个叶子可能有多个投票，每个投票都由关联的 target_weights 索引加权。
所有以 _as_tensor 结尾的字段，如果元素类型是 double 而不是 float，则可以代替同名但没有后缀的参数。所有树的节点 ID 必须从 0 开始，并按 1 递增。
Mode 枚举为 BRANCH_LEQ, BRANCH_LT, BRANCH_GTE, BRANCH_GT, BRANCH_EQ, BRANCH_NEQ, LEAF
属性¶
aggregate_function - STRING (默认是
'SUM')定义如何在目标内聚合叶子值。
‘AVERAGE,’ ‘SUM,’ ‘MIN,’ ‘MAX.’ 中的一个。base_values - FLOATS :
回归的基值，在应用 aggregate_function 后添加到最终预测；大小必须与类别数相同，或者可以不赋值（假定为 0）。
base_values_as_tensor - TENSOR :
回归的基值，在应用 aggregate_function 后添加到最终预测；大小必须与类别数相同，或者可以不赋值（假定为 0）。
n_targets - INT :
目标的总数。
nodes_falsenodeids - INTS :
如果表达式为 false，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，可省略。
nodes_hitrates_as_tensor - TENSOR :
每个节点的流行度，用于性能，可省略。
nodes_missing_value_tracks_true - INTS :
对于每个节点，定义 NaN 的处理方式：根据此数组中的值，使用 ‘true’（如果属性值为 1）或 ‘false’（如果属性值为 0）分支。
此属性可以不定义，所有节点的默认值为 false (0)。nodes_modes - STRINGS :
节点类型，即在节点上进行的比较。叶子节点上没有比较。
‘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。节点 ID 必须在每个树中从零开始，并按顺序递增。
nodes_treeids - INTS :
每个节点的树 ID。
nodes_truenodeids - INTS :
如果表达式为 true，则为子节点。
nodes_values - FLOATS :
每个节点的分割阈值。
nodes_values_as_tensor - TENSOR :
每个节点的分割阈值。
post_transform - STRING (默认值为
'NONE')指示应用于分数的变换。
可以是 ‘NONE,’ ‘SOFTMAX,’ ‘LOGISTIC,’ ‘SOFTMAX_ZERO,’ 或 ‘PROBIT’ 之一target_ids - INTS :
每个权重的目标索引。
target_nodeids - INTS :
每个权重的节点 ID。
target_treeids - INTS :
每个节点所在树的 ID。
target_weights - FLOATS :
每个目标的权重。
target_weights_as_tensor - TENSOR :
每个目标的权重。
输入¶
X (异构) - T
形状为 [N,F] 的输入。
输出¶
Y (异构) - tensor(float)
N 个类别。
类型约束¶
T 在 (
tensor(double),tensor(float),tensor(int32),tensor(int64)) 中。输入类型必须是数值类型的张量。
TreeEnsembleRegressor - 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:
False
该算子的此版本**自 ai.onnx.ml 域的 1 版本起**可用。
摘要¶
Tree Ensemble 回归器。返回 N 个输入中每个输入的回归值。
所有带有 nodes_ 的参数都是树节点的元组字段，假定它们的长度相同，索引 i 将解码这些输入中的元组。每个节点的 ID 在每个树 ID 中只能出现一次。
所有以 target_ 开头的字段都是叶子处投票的元组。
一个叶子可能有多个投票，每个投票都由关联的 target_weights 索引加权。
所有树的节点 ID 必须从 0 开始，并按 1 递增。
Mode 枚举为 BRANCH_LEQ, BRANCH_LT, BRANCH_GTE, BRANCH_GT, BRANCH_EQ, BRANCH_NEQ, LEAF
属性¶
aggregate_function - STRING (默认是
'SUM')定义如何在目标内聚合叶子值。
‘AVERAGE,’ ‘SUM,’ ‘MIN,’ ‘MAX.’ 中的一个。base_values - FLOATS :
分类的基值，添加到最终类别分数；大小必须与类别数相同，或者可以不赋值（假定为 0）。
n_targets - INT :
目标的总数。
nodes_falsenodeids - INTS :
如果表达式为 false，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，可省略。
nodes_missing_value_tracks_true - INTS :
对于每个节点，定义 NaN 的处理方式：根据此数组中的值，使用 ‘true’（如果属性值为 1）或 ‘false’（如果属性值为 0）分支。
此属性可以不定义，所有节点的默认值为 false (0)。nodes_modes - STRINGS :
节点类型，即在节点上进行的比较。叶子节点上没有比较。
‘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。节点 ID 必须在每个树中从零开始，并按顺序递增。
nodes_treeids - INTS :
每个节点的树 ID。
nodes_truenodeids - INTS :
如果表达式为 true，则为子节点。
nodes_values - FLOATS :
每个节点的分割阈值。
post_transform - STRING (默认值为
'NONE')指示应用于分数的变换。
可以是 ‘NONE,’ ‘SOFTMAX,’ ‘LOGISTIC,’ ‘SOFTMAX_ZERO,’ 或 ‘PROBIT’ 之一target_ids - INTS :
每个权重的目标索引。
target_nodeids - INTS :
每个权重的节点 ID。
target_treeids - INTS :
每个节点所在树的 ID。
target_weights - FLOATS :
每个目标的权重。
输入¶
X (异构) - T
形状为 [N,F] 的输入。
输出¶
Y (异构) - tensor(float)
N 个类别。
类型约束¶
T 在 (
tensor(double),tensor(float),tensor(int32),tensor(int64)) 中。输入类型必须是数值类型的张量。