ai.onnx.ml - TreeEnsembleRegressor

TreeEnsembleRegressor - 5 (ai.onnx.ml)

版本

• 名称: TreeEnsembleRegressor (GitHub)

• 域: ai.onnx.ml

• 自版本: 5

• 函数: False

• 支持级别: SupportType.COMMON

• 形状推断: False

此运算符版本已自域版本 5 ai.onnx.ml起弃用。

摘要

此运算符已弃用。请改用 TreeEnsemble，它提供相同的功能。
树集成回归器。返回 N 中每个输入的回归值。
所有以 nodes_ 为前缀的参数都是树节点元组的字段，假设它们的长度相同，并且索引 i 将跨这些输入解码元组。每个节点 ID 对于每个树 ID 只能出现一次。
所有以 target_ 为前缀的字段都是叶节点上的投票元组。
一个叶节点可能有多个投票，其中每个投票都按关联的 target_weights 索引加权。
所有以 _as_tensor 结尾的字段都可以替换为没有后缀的相同参数，如果元素类型是 double 而不是 float。所有树的节点 ID 必须从 0 开始并递增 1。
模式枚举为 BRANCH_LEQ、BRANCH_LT、BRANCH_GTE、BRANCH_GT、BRANCH_EQ、BRANCH_NEQ、LEAF

属性

• aggregate_function - 字符串（默认值为 'SUM'）

  定义如何聚合目标内的叶值。
  ‘AVERAGE’、‘SUM’、‘MIN’、‘MAX’ 之一。

• base_values - 浮点数 :

  回归的基本值，应用 aggregate_function 后添加到最终预测中；大小必须与类别相同，或者可以不分配（假设为 0）

• base_values_as_tensor - 张量 :

  回归的基本值，应用 aggregate_function 后添加到最终预测中；大小必须与类别相同，或者可以不分配（假设为 0）

• n_targets - 整数 :

  目标总数。

• nodes_falsenodeids - 整数 :

  如果表达式为假，则为子节点

• nodes_featureids - 整数 :

  每个节点的特征 ID。

• nodes_hitrates - 浮点数 :

  每个节点的流行度，用于性能，可以省略。

• nodes_hitrates_as_tensor - 张量 :

  每个节点的流行度，用于性能，可以省略。

• nodes_missing_value_tracks_true - 整数 :

  对于每个节点，定义在出现 NaN 时该怎么做：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 - 字符串 :

  节点类型，即在节点处进行的比较。在叶节点处没有进行比较。
  ‘BRANCH_LEQ’、‘BRANCH_LT’、‘BRANCH_GTE’、‘BRANCH_GT’、‘BRANCH_EQ’、‘BRANCH_NEQ’、‘LEAF’ 之一

• nodes_nodeids - 整数 :

  每个节点的节点 ID。节点 ID 必须为每棵树重新开始为零并依次递增。

• nodes_treeids - 整数 :

  每个节点的树 ID。

• nodes_truenodeids - 整数 :

  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转换。
  ‘NONE’、‘SOFTMAX’、‘LOGISTIC’、‘SOFTMAX_ZERO’ 或 ‘PROBIT’ 之一

• target_ids - 整数 :

  每个权重所属的目标索引

• target_nodeids - 整数 :

  每个权重的节点 ID

• target_treeids - 整数 :

  每个节点所在的树的 ID。

• target_weights - 浮点数 :

  每个目标的权重

• target_weights_as_tensor - 张量 :

  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 in ( tensor(double), tensor(float), tensor(int32), tensor(int64) )

  输入类型必须是数字类型的张量。

• TreeEnsembleRegressor - 3 vs 5

TreeEnsembleRegressor - 3 (ai.onnx.ml)

版本

• 名称: TreeEnsembleRegressor (GitHub)

• 域: ai.onnx.ml

• 自版本: 3

• 函数: False

• 支持级别: SupportType.COMMON

• 形状推断: True

此运算符版本自域ai.onnx.ml版本 3 起可用。

摘要

树集成回归器。返回 N 中每个输入的回归值。
所有以 nodes_ 为前缀的参数都是树节点元组的字段，假设它们的长度相同，并且索引 i 将跨这些输入解码元组。每个节点 ID 对于每个树 ID 只能出现一次。
所有以 target_ 为前缀的字段都是叶节点上的投票元组。
一个叶节点可能有多个投票，其中每个投票都按关联的 target_weights 索引加权。
所有以 _as_tensor 结尾的字段都可以替换为没有后缀的相同参数，如果元素类型是 double 而不是 float。所有树的节点 ID 必须从 0 开始并递增 1。
模式枚举为 BRANCH_LEQ、BRANCH_LT、BRANCH_GTE、BRANCH_GT、BRANCH_EQ、BRANCH_NEQ、LEAF

属性

• aggregate_function - 字符串（默认值为 'SUM'）

  定义如何聚合目标内的叶值。
  ‘AVERAGE’、‘SUM’、‘MIN’、‘MAX’ 之一。

• base_values - 浮点数 :

  回归的基本值，应用 aggregate_function 后添加到最终预测中；大小必须与类别相同，或者可以不分配（假设为 0）

• base_values_as_tensor - 张量 :

  回归的基本值，应用 aggregate_function 后添加到最终预测中；大小必须与类别相同，或者可以不分配（假设为 0）

• n_targets - 整数 :

  目标总数。

• nodes_falsenodeids - 整数 :

  如果表达式为假，则为子节点

• nodes_featureids - 整数 :

  每个节点的特征 ID。

• nodes_hitrates - 浮点数 :

  每个节点的流行度，用于性能，可以省略。

• nodes_hitrates_as_tensor - 张量 :

  每个节点的流行度，用于性能，可以省略。

• nodes_missing_value_tracks_true - 整数 :

  对于每个节点，定义在出现 NaN 时该怎么做：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 - 字符串 :

  节点类型，即在节点处进行的比较。在叶节点处没有进行比较。
  ‘BRANCH_LEQ’、‘BRANCH_LT’、‘BRANCH_GTE’、‘BRANCH_GT’、‘BRANCH_EQ’、‘BRANCH_NEQ’、‘LEAF’ 之一

• nodes_nodeids - 整数 :

  每个节点的节点 ID。节点 ID 必须为每棵树重新开始为零并依次递增。

• nodes_treeids - 整数 :

  每个节点的树 ID。

• nodes_truenodeids - 整数 :

  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转换。
  ‘NONE’、‘SOFTMAX’、‘LOGISTIC’、‘SOFTMAX_ZERO’ 或 ‘PROBIT’ 之一

• target_ids - 整数 :

  每个权重所属的目标索引

• target_nodeids - 整数 :

  每个权重的节点 ID

• target_treeids - 整数 :

  每个节点所在的树的 ID。

• target_weights - 浮点数 :

  每个目标的权重

• target_weights_as_tensor - 张量 :

  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 in ( tensor(double), tensor(float), tensor(int32), tensor(int64) )

  输入类型必须是数字类型的张量。

• TreeEnsembleRegressor - 1 vs 5
• TreeEnsembleRegressor - 1 vs 3

TreeEnsembleRegressor - 1 (ai.onnx.ml)

版本

• 名称: TreeEnsembleRegressor (GitHub)

• 域: ai.onnx.ml

• since_version: 1

• 函数: False

• 支持级别: SupportType.COMMON

• 形状推断: False

此运算符版本自域ai.onnx.ml版本 1 起可用。

摘要

树集成回归器。返回 N 中每个输入的回归值。
所有以 nodes_ 为前缀的参数都是树节点元组的字段，假设它们的长度相同，并且索引 i 将跨这些输入解码元组。每个节点 ID 对于每个树 ID 只能出现一次。
所有以 target_ 为前缀的字段都是叶节点上的投票元组。
一个叶节点可能有多个投票，其中每个投票都按关联的 target_weights 索引加权。
所有树的节点 ID 必须从 0 开始，并递增 1。
模式枚举为 BRANCH_LEQ、BRANCH_LT、BRANCH_GTE、BRANCH_GT、BRANCH_EQ、BRANCH_NEQ、LEAF

属性

• aggregate_function - 字符串（默认值为 'SUM'）

  定义如何聚合目标内的叶值。
  ‘AVERAGE’、‘SUM’、‘MIN’、‘MAX’ 之一。

• base_values - 浮点数 :

  分类的基本值，添加到最终的类别得分；大小必须与类别相同，或者可以不赋值（假设为 0）

• n_targets - 整数 :

  目标总数。

• nodes_falsenodeids - 整数 :

  如果表达式为假，则为子节点

• nodes_featureids - 整数 :

  每个节点的特征 ID。

• nodes_hitrates - 浮点数 :

  每个节点的流行度，用于性能，可以省略。

• nodes_missing_value_tracks_true - 整数 :

  对于每个节点，定义在出现 NaN 时该怎么做：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 - 字符串 :

  节点类型，即在节点处进行的比较。在叶节点处没有进行比较。
  ‘BRANCH_LEQ’、‘BRANCH_LT’、‘BRANCH_GTE’、‘BRANCH_GT’、‘BRANCH_EQ’、‘BRANCH_NEQ’、‘LEAF’ 之一

• nodes_nodeids - 整数 :

  每个节点的节点 ID。节点 ID 必须为每棵树重新开始为零并依次递增。

• nodes_treeids - 整数 :

  每个节点的树 ID。

• nodes_truenodeids - 整数 :

  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转换。
  ‘NONE’、‘SOFTMAX’、‘LOGISTIC’、‘SOFTMAX_ZERO’ 或 ‘PROBIT’ 之一

• target_ids - 整数 :

  每个权重所属的目标索引

• target_nodeids - 整数 :

  每个权重的节点 ID

• target_treeids - 整数 :

  每个节点所在的树的 ID。

• target_weights - 浮点数 :

  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 in ( tensor(double), tensor(float), tensor(int32), tensor(int64) )

  输入类型必须是数字类型的张量。