ai.onnx.ml - TreeEnsembleRegressor

TreeEnsembleRegressor - 5 (ai.onnx.ml)

版本

此算子版本自 domain ai.onnx.ml 的版本 5 起已废弃。

摘要

此算子已废弃。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_ 开头的参数都是树节点元组的字段，假定它们长度相同，索引 i 将解码这些输入中的元组。每个节点 ID 在每个树 ID 中只能出现一次。
所有以 target_ 为前缀的字段都是叶子节点的投票元组。
一个叶子节点可以有多个投票，每个投票都由相关的 target_weights 索引加权。
如果元素类型是 double 而不是 float，所有以 _as_tensor 结尾的字段都可以用来替代不带后缀的同名参数。所有树的节点 ID 都必须从 0 开始，并按 1 递增。
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 (默认为 'SUM')

    定义如何在目标内聚合叶子节点的值。
    取值之一：‘AVERAGE,’ ‘SUM,’ ‘MIN,’ ‘MAX.’

  • base_values - 浮点数 :

    回归的基本值，在应用 aggregate_function 后添加到最终预测中；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 - 张量 :

    回归的基本值，在应用 aggregate_function 后添加到最终预测中；大小必须与类别数相同，或者可以不赋值（假定为 0）

  • n_targets - 整型 :

    目标总数。

  • nodes_falsenodeids - 整型 :

    如果表达式为假，则为子节点

  • nodes_featureids - 整型 :

    每个节点的特征 ID。

  • nodes_hitrates - 浮点数 :

    每个节点的流行度，用于性能考量，可以省略。

  • nodes_hitrates_as_tensor - 张量 :

    每个节点的流行度，用于性能考量，可以省略。

  • nodes_missing_value_tracks_true - 整型 :

    对于每个节点，定义在遇到 NaN 时如何处理：根据此数组中的值，使用‘true’分支（如果属性值为 1）或‘false’分支（如果属性值为 0）。
    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。叶子节点处不进行比较。
    取值之一：‘BRANCH_LEQ’, ‘BRANCH_LT’, ‘BRANCH_GTE’, ‘BRANCH_GT’, ‘BRANCH_EQ’, ‘BRANCH_NEQ’, ‘LEAF’

  • nodes_nodeids - 整型 :

    每个节点的节点 ID。节点 ID 必须在每棵树中从零重新开始并按顺序递增。

  • nodes_treeids - 整型 :

    每个节点的树 ID。

  • nodes_truenodeids - 整型 :

    如果表达式为真，则为子节点

  • nodes_values - 浮点数 :

    用于每个节点的分割阈值。

  • nodes_values_as_tensor - 张量 :

    用于每个节点的分割阈值。

  • post_transform - 字符串 (默认为 'NONE')

    指示应用于分数的转换。
    取值之一：‘NONE,’ ‘SOFTMAX,’ ‘LOGISTIC,’ ‘SOFTMAX_ZERO,’ or ‘PROBIT’

  • target_ids - 整型 :

    每个权重对应的目标索引

  • target_nodeids - 整型 :

    每个权重的节点 ID

  • target_treeids - 整型 :

    每个节点所属的树 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) - 张量(float)

    N 个类别

类型约束

  • T 包含于 ( tensor(double), tensor(float), tensor(int32), tensor(int64) )

    输入类型必须是数值类型的张量。

TreeEnsembleRegressor - 3 (ai.onnx.ml)

版本

此算子版本自 domain ai.onnx.ml 的版本 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_ 开头的参数都是树节点元组的字段，假定它们长度相同，索引 i 将解码这些输入中的元组。每个节点 ID 在每个树 ID 中只能出现一次。
所有以 target_ 为前缀的字段都是叶子节点的投票元组。
一个叶子节点可以有多个投票，每个投票都由相关的 target_weights 索引加权。
如果元素类型是 double 而不是 float，所有以 _as_tensor 结尾的字段都可以用来替代不带后缀的同名参数。所有树的节点 ID 都必须从 0 开始，并按 1 递增。
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 (默认为 'SUM')

    定义如何在目标内聚合叶子节点的值。
    取值之一：‘AVERAGE,’ ‘SUM,’ ‘MIN,’ ‘MAX.’

  • base_values - 浮点数 :

    回归的基本值，在应用 aggregate_function 后添加到最终预测中；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 - 张量 :

    回归的基本值，在应用 aggregate_function 后添加到最终预测中；大小必须与类别数相同，或者可以不赋值（假定为 0）

  • n_targets - 整型 :

    目标总数。

  • nodes_falsenodeids - 整型 :

    如果表达式为假，则为子节点

  • nodes_featureids - 整型 :

    每个节点的特征 ID。

  • nodes_hitrates - 浮点数 :

    每个节点的流行度，用于性能考量，可以省略。

  • nodes_hitrates_as_tensor - 张量 :

    每个节点的流行度，用于性能考量，可以省略。

  • nodes_missing_value_tracks_true - 整型 :

    对于每个节点，定义在遇到 NaN 时如何处理：根据此数组中的值，使用‘true’分支（如果属性值为 1）或‘false’分支（如果属性值为 0）。
    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。叶子节点处不进行比较。
    取值之一：‘BRANCH_LEQ’, ‘BRANCH_LT’, ‘BRANCH_GTE’, ‘BRANCH_GT’, ‘BRANCH_EQ’, ‘BRANCH_NEQ’, ‘LEAF’

  • nodes_nodeids - 整型 :

    每个节点的节点 ID。节点 ID 必须在每棵树中从零重新开始并按顺序递增。

  • nodes_treeids - 整型 :

    每个节点的树 ID。

  • nodes_truenodeids - 整型 :

    如果表达式为真，则为子节点

  • nodes_values - 浮点数 :

    用于每个节点的分割阈值。

  • nodes_values_as_tensor - 张量 :

    用于每个节点的分割阈值。

  • post_transform - 字符串 (默认为 'NONE')

    指示应用于分数的转换。
    取值之一：‘NONE,’ ‘SOFTMAX,’ ‘LOGISTIC,’ ‘SOFTMAX_ZERO,’ or ‘PROBIT’

  • target_ids - 整型 :

    每个权重对应的目标索引

  • target_nodeids - 整型 :

    每个权重的节点 ID

  • target_treeids - 整型 :

    每个节点所属的树 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) - 张量(float)

    N 个类别

类型约束

  • T 包含于 ( tensor(double), tensor(float), tensor(int32), tensor(int64) )

    输入类型必须是数值类型的张量。

TreeEnsembleRegressor - 1 (ai.onnx.ml)

版本

此算子版本自 domain ai.onnx.ml 的版本 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_ 开头的参数都是树节点元组的字段，假定它们长度相同，索引 i 将解码这些输入中的元组。每个节点 ID 在每个树 ID 中只能出现一次。
所有以 target_ 为前缀的字段都是叶子节点的投票元组。
一个叶子节点可以有多个投票，每个投票都由相关的 target_weights 索引加权。
所有树的节点 ID 都必须从 0 开始，并按 1 递增。
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 (默认为 'SUM')

    定义如何在目标内聚合叶子节点的值。
    取值之一：‘AVERAGE,’ ‘SUM,’ ‘MIN,’ ‘MAX.’

  • base_values - 浮点数 :

    分类的基本值，添加到最终类别得分中；大小必须与类别数相同，或者可以不赋值（假定为 0）

  • n_targets - 整型 :

    目标总数。

  • nodes_falsenodeids - 整型 :

    如果表达式为假，则为子节点

  • nodes_featureids - 整型 :

    每个节点的特征 ID。

  • nodes_hitrates - 浮点数 :

    每个节点的流行度，用于性能考量，可以省略。

  • nodes_missing_value_tracks_true - 整型 :

    对于每个节点，定义在遇到 NaN 时如何处理：根据此数组中的值，使用‘true’分支（如果属性值为 1）或‘false’分支（如果属性值为 0）。
    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。叶子节点处不进行比较。
    取值之一：‘BRANCH_LEQ’, ‘BRANCH_LT’, ‘BRANCH_GTE’, ‘BRANCH_GT’, ‘BRANCH_EQ’, ‘BRANCH_NEQ’, ‘LEAF’

  • nodes_nodeids - 整型 :

    每个节点的节点 ID。节点 ID 必须在每棵树中从零重新开始并按顺序递增。

  • nodes_treeids - 整型 :

    每个节点的树 ID。

  • nodes_truenodeids - 整型 :

    如果表达式为真，则为子节点

  • nodes_values - 浮点数 :

    用于每个节点的分割阈值。

  • post_transform - 字符串 (默认为 'NONE')

    指示应用于分数的转换。
    取值之一：‘NONE,’ ‘SOFTMAX,’ ‘LOGISTIC,’ ‘SOFTMAX_ZERO,’ or ‘PROBIT’

  • target_ids - 整型 :

    每个权重对应的目标索引

  • target_nodeids - 整型 :

    每个权重的节点 ID

  • target_treeids - 整型 :

    每个节点所属的树 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) - 张量(float)

    N 个类别

类型约束

  • T 包含于 ( tensor(double), tensor(float), tensor(int32), tensor(int64) )

    输入类型必须是数值类型的张量。