ai.onnx.ml - TreeEnsembleClassifier¶
TreeEnsembleClassifier - 5 (ai.onnx.ml)¶
版本¶
领域:
ai.onnx.mlsince_version:
5函数:
Falsesupport_level:
SupportType.COMMON形状推断:
False
此版本的运算符自ai.onnx.ml的第5版起已被弃用。
摘要¶
此操作符已弃用。请使用提供类似功能的TreeEnsemble。
为了确定顶级类别，可以将ArgMax节点应用于TreeEnsemble的输出。
要编码类别标签，请使用LabelEncoder操作符。
树集成分类器。返回N个输入的每个顶级类别。
名为'nodes_X'的属性形成一系列元组，通过索引关联到序列中，这些序列必须长度相等。这些元组定义了节点。
同样，所有以'class_'为前缀的字段都是叶子节点上的投票元组。
一个叶子节点可能有多个投票，每个投票由相关的class_weights索引加权。
classlabels_strings或classlabels_int64s中只有一个会被定义。class_ids是此列表的索引。
如果元素类型是double而不是float，所有以_as_tensor结尾的字段可以代替没有后缀的相同参数使用。
属性¶
base_values - FLOATS :
分类的基础值，添加到最终类别分数中；大小必须与类别相同或可以保持未分配（假设为0）
base_values_as_tensor - TENSOR :
分类的基础值，添加到最终类别分数中；大小必须与类别相同或可以保持未分配（假设为0）
class_ids - INTS :
每个权重对应的类别列表的索引。
class_nodeids - INTS :
此权重对应的节点ID。
class_treeids - INTS :
此节点所在的树的ID。
class_weights - FLOATS :
class_id 中类的权重。
class_weights_as_tensor - TENSOR :
class_id 中类的权重。
classlabels_int64s - INTS :
如果使用整数标签，则为类标签。
必须定义且仅定义一个‘classlabels_*’属性。classlabels_strings - 字符串 :
如果使用字符串标签，则为类标签。
必须定义且仅定义一个‘classlabels_*’属性。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，用于性能分析，可以省略。
nodes_hitrates_as_tensor - TENSOR :
每个节点的流行度，用于性能分析，可以省略。
nodes_missing_value_tracks_true - INTS :
对于每个节点，定义在存在缺失值时的操作：如果值缺失（NaN），则根据此数组中的值使用“true”或“false”分支。
此属性可以保持未定义状态，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。在叶节点处没有比较。
其中之一是‘BRANCH_LEQ’, ‘BRANCH_LT’, ‘BRANCH_GTE’, ‘BRANCH_GT’, ‘BRANCH_EQ’, ‘BRANCH_NEQ’, ‘LEAF’nodes_nodeids - INTS :
每个节点的节点ID。每个树的ID可以从零重新开始，但不是必须的。
nodes_treeids - INTS :
每个节点的树ID。
nodes_truenodeids - INTS :
如果表达式为真，则显示子节点。
nodes_values - FLOATS :
每个节点进行分割的阈值。
nodes_values_as_tensor - TENSOR :
每个节点进行分割的阈值。
post_transform - STRING (默认值为
'NONE'):指示要应用于分数的转换。
其中之一是‘NONE,’ ‘SOFTMAX,’ ‘LOGISTIC,’ ‘SOFTMAX_ZERO,’ 或 ‘PROBIT.’
输入¶
X (异构) - T1:
输入形状为 [N,F]
输出¶
Y (异构) - T2:
N, 每个点的顶级类别
Z (异构) - tensor(float):
每个类别的类别分数，对于每个点，一个形状为[N,E]的张量。
类型约束¶
T1 在 (
tensor(double),tensor(float),tensor(int32),tensor(int64)) 中:输入类型必须是数值类型的张量。
T2 在 (
tensor(int64),tensor(string)) 中:输出类型将是一个字符串或整数的张量，具体取决于使用了哪个classlabels_*属性。
TreeEnsembleClassifier - 3 (ai.onnx.ml)¶
版本¶
领域:
ai.onnx.mlsince_version:
3函数:
Falsesupport_level:
SupportType.COMMON形状推断:
True
此版本的运算符自ai.onnx.ml域的第3版起已可用。
摘要¶
树集成分类器。返回N个输入中每个输入的顶部类别。
名为‘nodes_X’的属性形成一系列元组，通过索引与序列关联，这些序列必须具有相同的长度。这些元组定义了节点。
同样，所有以‘class_’为前缀的字段都是叶子节点上的投票元组。一个叶子节点可能有多个投票，每个投票由相关的class_weights索引加权。
classlabels_strings或classlabels_int64s中的一个且仅一个将被定义。class_ids是此列表中的索引。
如果元素类型是double而不是float，所有以_as_tensor结尾的字段可以代替没有后缀的相同参数使用。
属性¶
base_values - FLOATS :
分类的基础值，添加到最终类别分数中；大小必须与类别相同或可以保持未分配（假设为0）
base_values_as_tensor - TENSOR :
分类的基础值，添加到最终类别分数中；大小必须与类别相同或可以保持未分配（假设为0）
class_ids - INTS :
每个权重对应的类别列表的索引。
class_nodeids - INTS :
此权重对应的节点ID。
class_treeids - INTS :
此节点所在的树的ID。
class_weights - FLOATS :
class_id 中类的权重。
class_weights_as_tensor - TENSOR :
class_id 中类的权重。
classlabels_int64s - INTS :
如果使用整数标签，则为类标签。
必须定义且仅定义一个‘classlabels_*’属性。classlabels_strings - 字符串 :
如果使用字符串标签，则为类标签。
必须定义且仅定义一个‘classlabels_*’属性。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，用于性能分析，可以省略。
nodes_hitrates_as_tensor - TENSOR :
每个节点的流行度，用于性能分析，可以省略。
nodes_missing_value_tracks_true - INTS :
对于每个节点，定义在存在缺失值时的操作：如果值缺失（NaN），则根据此数组中的值使用“true”或“false”分支。
此属性可以保持未定义状态，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。在叶节点处没有比较。
其中之一是‘BRANCH_LEQ’, ‘BRANCH_LT’, ‘BRANCH_GTE’, ‘BRANCH_GT’, ‘BRANCH_EQ’, ‘BRANCH_NEQ’, ‘LEAF’nodes_nodeids - INTS :
每个节点的节点ID。每个树的ID可以从零重新开始，但不是必须的。
nodes_treeids - INTS :
每个节点的树ID。
nodes_truenodeids - INTS :
如果表达式为真，则显示子节点。
nodes_values - FLOATS :
每个节点进行分割的阈值。
nodes_values_as_tensor - TENSOR :
每个节点进行分割的阈值。
post_transform - STRING (默认值为
'NONE'):指示要应用于分数的转换。
其中之一是‘NONE,’ ‘SOFTMAX,’ ‘LOGISTIC,’ ‘SOFTMAX_ZERO,’ 或 ‘PROBIT.’
输入¶
X (异构) - T1:
输入形状为 [N,F]
输出¶
Y (异构) - T2:
N, 每个点的顶级类别
Z (异构) - tensor(float):
每个类别的类别分数，对于每个点，一个形状为[N,E]的张量。
类型约束¶
T1 在 (
tensor(double),tensor(float),tensor(int32),tensor(int64)) 中:输入类型必须是数值类型的张量。
T2 在 (
tensor(int64),tensor(string)) 中:输出类型将是一个字符串或整数的张量，具体取决于使用了哪个classlabels_*属性。
TreeEnsembleClassifier - 1 (ai.onnx.ml)¶
版本¶
领域:
ai.onnx.mlsince_version:
1函数:
Falsesupport_level:
SupportType.COMMON形状推断:
True
此版本的运算符自ai.onnx.ml域的第1版起已可用。
总结¶
树集成分类器。返回N个输入中每个输入的顶部类别。
名为‘nodes_X’的属性形成一系列元组，通过索引与序列关联，这些序列必须具有相同的长度。这些元组定义了节点。
同样，所有以‘class_’为前缀的字段都是叶子节点上的投票元组。一个叶子节点可能有多个投票，每个投票由相关的class_weights索引加权。
classlabels_strings或classlabels_int64s中只有一个会被定义。class_ids是这个列表的索引。
属性¶
base_values - FLOATS :
分类的基础值，添加到最终类别分数中；大小必须与类别相同或可以保持未分配（假设为0）
class_ids - INTS :
每个权重对应的类别列表的索引。
class_nodeids - INTS :
此权重对应的节点ID。
class_treeids - INTS :
此节点所在的树的ID。
class_weights - FLOATS :
class_id 中类的权重。
classlabels_int64s - INTS :
如果使用整数标签，则为类标签。
必须定义且仅定义一个‘classlabels_*’属性。classlabels_strings - 字符串 :
如果使用字符串标签，则为类标签。
必须定义且仅定义一个‘classlabels_*’属性。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，用于性能分析，可以省略。
nodes_missing_value_tracks_true - INTS :
对于每个节点，定义在存在缺失值时的操作：如果值缺失（NaN），则根据此数组中的值使用“true”或“false”分支。
此属性可以保持未定义状态，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。在叶节点处没有比较。
其中之一是‘BRANCH_LEQ’, ‘BRANCH_LT’, ‘BRANCH_GTE’, ‘BRANCH_GT’, ‘BRANCH_EQ’, ‘BRANCH_NEQ’, ‘LEAF’nodes_nodeids - INTS :
每个节点的节点ID。每个树的ID可以从零重新开始，但不是必须的。
nodes_treeids - INTS :
每个节点的树ID。
nodes_truenodeids - INTS :
如果表达式为真，则显示子节点。
nodes_values - FLOATS :
每个节点进行分割的阈值。
post_transform - STRING (默认值为
'NONE'):指示要应用于分数的转换。
其中之一是‘NONE,’ ‘SOFTMAX,’ ‘LOGISTIC,’ ‘SOFTMAX_ZERO,’ 或 ‘PROBIT.’
输入¶
X (异构) - T1:
输入形状为 [N,F]
输出¶
Y (异构) - T2:
N, 每个点的顶级类别
Z (异构) - tensor(float):
每个类别的类别分数，对于每个点，一个形状为[N,E]的张量。
类型约束¶
T1 在 (
tensor(double),tensor(float),tensor(int32),tensor(int64)) 中:输入类型必须是数值类型的张量。
T2 在 (
tensor(int64),tensor(string)) 中:输出类型将是一个字符串或整数的张量，具体取决于使用了哪个classlabels_*属性。