ai.onnx.ml - TreeEnsembleClassifier¶
TreeEnsembleClassifier - 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
此版本的操作符自领域ai.onnx.ml版本 5 起已弃用。
摘要¶
此操作符已弃用。请使用提供类似功能的 TreeEnsemble。为了确定最高类别，ArgMax 节点可以应用于 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 个输入中的每个输入的最高类别。
名为“nodes_X”的属性形成一个元组序列，通过索引关联到序列中，所有序列的长度必须相等。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处的投票元组。一个叶子可以有多个投票，每个投票都由关联的 class_weights 索引加权。
classlabels_strings 或 classlabels_int64s 中的一个且只有一个将被定义。class_ids 是此列表中的索引。所有以 _as_tensor 结尾的字段都可以代替不带此后缀的相同参数使用，如果元素类型是 double 而不是 float。
属性¶
base_values - FLOATS :
分类的基本值，添加到最终类别分数；大小必须与类别相同，或者可以不分配（假定为 0）
base_values_as_tensor - TENSOR :
分类的基本值，添加到最终类别分数；大小必须与类别相同，或者可以不分配（假定为 0）
class_ids - INTS :
每个权重所对应的类别列表的索引。
class_nodeids - INTS :
此权重所对应的节点 ID。
class_treeids - INTS :
此节点所属的树的 ID。
class_weights - FLOATS :
class_id 中类别的权重。
class_weights_as_tensor - TENSOR :
class_id 中类别的权重。
classlabels_int64s - INTS :
如果使用整数标签，则为类别标签。
必须定义 'classlabels_*' 属性中的一个且仅一个。classlabels_strings - STRINGS :
如果使用字符串标签，则为类别标签。
必须定义 'classlabels_*' 属性中的一个且仅一个。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，定义在缺少值时如何处理：如果值缺失 (NaN)，则根据此数组中的值使用“true”或“false”分支。
此属性可以保留未定义，所有节点的默认值为 false (0)。nodes_modes - STRINGS :
节点类型，即在节点处进行的比较。叶节点没有比较。
之一：'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 可以从零开始，但并非必须如此。
nodes_treeids - INTS :
每个节点的树 ID。
nodes_truenodeids - INTS :
如果表达式为真，则为子节点。
nodes_values - FLOATS :
每个节点进行拆分的阈值。
nodes_values_as_tensor - TENSOR :
每个节点进行拆分的阈值。
post_transform - STRING (默认值为
'NONE')指示应用于分数的变换。
“NONE”、“SOFTMAX”、“LOGISTIC”、“SOFTMAX_ZERO”或“PROBIT”之一。
输入¶
X (异构) - T1
形状为 [N,F] 的输入
输出¶
Y (异构) - T2
N，每个点的最高类别
Z (异构) - tensor(float)
每个类别、每个点的类别分数，形状为 [N,E] 的张量。
类型约束¶
T1 属于 (
tensor(double),tensor(float),tensor(int32),tensor(int64))输入类型必须是数值类型的张量。
T2 在 (
tensor(int64),tensor(string)) 中输出类型将是字符串或整数张量，具体取决于使用哪个 classlabels_* 属性。
TreeEnsembleClassifier - 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
此版本的操作符自领域ai.onnx.ml版本 3 起可用。
摘要¶
树集成分类器。返回 N 个输入中的每个输入的最高类别。
名为“nodes_X”的属性形成一个元组序列，通过索引关联到序列中，所有序列的长度必须相等。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处的投票元组。一个叶子可以有多个投票，每个投票都由关联的 class_weights 索引加权。
classlabels_strings 或 classlabels_int64s 中的一个且只有一个将被定义。class_ids 是此列表中的索引。所有以 _as_tensor 结尾的字段都可以代替不带此后缀的相同参数使用，如果元素类型是 double 而不是 float。
属性¶
base_values - FLOATS :
分类的基本值，添加到最终类别分数；大小必须与类别相同，或者可以不分配（假定为 0）
base_values_as_tensor - TENSOR :
分类的基本值，添加到最终类别分数；大小必须与类别相同，或者可以不分配（假定为 0）
class_ids - INTS :
每个权重所对应的类别列表的索引。
class_nodeids - INTS :
此权重所对应的节点 ID。
class_treeids - INTS :
此节点所属的树的 ID。
class_weights - FLOATS :
class_id 中类别的权重。
class_weights_as_tensor - TENSOR :
class_id 中类别的权重。
classlabels_int64s - INTS :
如果使用整数标签，则为类别标签。
必须定义 'classlabels_*' 属性中的一个且仅一个。classlabels_strings - STRINGS :
如果使用字符串标签，则为类别标签。
必须定义 'classlabels_*' 属性中的一个且仅一个。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，定义在缺少值时如何处理：如果值缺失 (NaN)，则根据此数组中的值使用“true”或“false”分支。
此属性可以保留未定义，所有节点的默认值为 false (0)。nodes_modes - STRINGS :
节点类型，即在节点处进行的比较。叶节点没有比较。
之一：'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 可以从零开始，但并非必须如此。
nodes_treeids - INTS :
每个节点的树 ID。
nodes_truenodeids - INTS :
如果表达式为真，则为子节点。
nodes_values - FLOATS :
每个节点进行拆分的阈值。
nodes_values_as_tensor - TENSOR :
每个节点进行拆分的阈值。
post_transform - STRING (默认值为
'NONE')指示应用于分数的变换。
“NONE”、“SOFTMAX”、“LOGISTIC”、“SOFTMAX_ZERO”或“PROBIT”之一。
输入¶
X (异构) - T1
形状为 [N,F] 的输入
输出¶
Y (异构) - T2
N，每个点的最高类别
Z (异构) - tensor(float)
每个类别、每个点的类别分数，形状为 [N,E] 的张量。
类型约束¶
T1 属于 (
tensor(double),tensor(float),tensor(int32),tensor(int64))输入类型必须是数值类型的张量。
T2 在 (
tensor(int64),tensor(string)) 中输出类型将是字符串或整数张量，具体取决于使用哪个 classlabels_* 属性。
TreeEnsembleClassifier - 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:
True
该算子的此版本**自 ai.onnx.ml 域的 1 版本起**可用。
摘要¶
树集成分类器。返回 N 个输入中的每个输入的最高类别。
名为“nodes_X”的属性形成一个元组序列，通过索引关联到序列中，所有序列的长度必须相等。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处的投票元组。一个叶子可以有多个投票，每个投票都由关联的 class_weights 索引加权。
classlabels_strings 或 classlabels_int64s 中的一个且只有一个将被定义。class_ids 是此列表中的索引。
属性¶
base_values - FLOATS :
分类的基本值，添加到最终类别分数；大小必须与类别相同，或者可以不分配（假定为 0）
class_ids - INTS :
每个权重所对应的类别列表的索引。
class_nodeids - INTS :
此权重所对应的节点 ID。
class_treeids - INTS :
此节点所属的树的 ID。
class_weights - FLOATS :
class_id 中类别的权重。
classlabels_int64s - INTS :
如果使用整数标签，则为类别标签。
必须定义 'classlabels_*' 属性中的一个且仅一个。classlabels_strings - STRINGS :
如果使用字符串标签，则为类别标签。
必须定义 'classlabels_*' 属性中的一个且仅一个。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，定义在缺少值时如何处理：如果值缺失 (NaN)，则根据此数组中的值使用“true”或“false”分支。
此属性可以保留未定义，所有节点的默认值为 false (0)。nodes_modes - STRINGS :
节点类型，即在节点处进行的比较。叶节点没有比较。
之一：'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 可以从零开始，但并非必须如此。
nodes_treeids - INTS :
每个节点的树 ID。
nodes_truenodeids - INTS :
如果表达式为真，则为子节点。
nodes_values - FLOATS :
每个节点进行拆分的阈值。
post_transform - STRING (默认值为
'NONE')指示应用于分数的变换。
“NONE”、“SOFTMAX”、“LOGISTIC”、“SOFTMAX_ZERO”或“PROBIT”之一。
输入¶
X (异构) - T1
形状为 [N,F] 的输入
输出¶
Y (异构) - T2
N，每个点的最高类别
Z (异构) - tensor(float)
每个类别、每个点的类别分数，形状为 [N,E] 的张量。
类型约束¶
T1 属于 (
tensor(double),tensor(float),tensor(int32),tensor(int64))输入类型必须是数值类型的张量。
T2 在 (
tensor(int64),tensor(string)) 中输出类型将是字符串或整数张量，具体取决于使用哪个 classlabels_* 属性。