ai.onnx.ml - TreeEnsembleRegressor¶
TreeEnsembleRegressor - 5 (ai.onnx.ml)¶
版本¶
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.ml
since_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。