梯度提升模型的接口。更多...

#include <gbm.h>

xgboost::GradientBooster 的继承图

xgboost::GradientBooster 的协作图

公共成员函数
	~GradientBooster () override=default
	虚析构函数更多...

virtual void	Configure (Args const &cfg)=0
	设置梯度提升的配置。用户必须在 InitModel 和 Training 之前调用一次配置。更多...

virtual void	Slice (bst_layer_t, bst_layer_t, bst_layer_t, GradientBooster , bool ) const
	使用提升索引切片模型。切片 m:n 表示获取在提升轮次 m, (m+1), (m+2), ..., (n-1) 期间拟合的所有树。更多...

virtual std::int32_t	BoostedRounds () const =0
	返回提升轮次数量。更多...

virtual bool	ModelFitted () const =0
	模型是否已经训练。如果选择了树增强器，则在存在现有树时返回 true。更多...

virtual void	DoBoost (DMatrix p_fmat, linalg::Matrix< GradientPair > in_gpair, PredictionCacheEntry , ObjFunction const obj)=0
	执行模型更新（提升）更多...

virtual void	PredictBatch (DMatrix dmat, PredictionCacheEntry out_preds, bool training, bst_layer_t begin, bst_layer_t end)=0
	为给定的特征矩阵生成预测。更多...

virtual void	InplacePredict (std::shared_ptr< DMatrix >, float, PredictionCacheEntry *, bst_layer_t, bst_layer_t) const
	原地预测。更多...

virtual void	PredictLeaf (DMatrix dmat, HostDeviceVector< bst_float > out_preds, unsigned layer_begin, unsigned layer_end)=0
	预测每棵树的叶子索引，输出将是 nsample * ntree 向量，这仅在 gbtree 预测器中有效更多...

virtual void	PredictContribution (DMatrix dmat, HostDeviceVector< float > out_contribs, bst_layer_t layer_begin, bst_layer_t layer_end, bool approximate=false)=0
	对个体预测的特征贡献；输出将是一个长度为 (nfeats + 1) * num_output_group * nsample 的向量，按此顺序排列更多...

virtual void	PredictInteractionContributions (DMatrix dmat, HostDeviceVector< float > out_contribs, bst_layer_t layer_begin, bst_layer_t layer_end, bool approximate)=0

virtual std::vector< std::string >	DumpModel (const FeatureMap &fmap, bool with_stats, std::string format) const =0
	以请求的格式转储模型更多...

virtual void	FeatureScore (std::string const &importance_type, common::Span< int32_t const > trees, std::vector< bst_feature_t > features, std::vector< float > scores) const =0

virtual CatContainer const *	Cats () const
	类别的 Getter。更多...

从 xgboost::Model 继承的公共成员函数
virtual	~Model ()=default

virtual void	LoadModel (Json const &in)=0
	从 JSON 对象加载模型更多...

virtual void	SaveModel (Json *out) const =0
	将模型配置保存到 JSON 对象更多...

从 xgboost::Configurable 继承的公共成员函数
virtual	~Configurable ()=default

virtual void	LoadConfig (Json const &in)=0
	从 JSON 对象加载配置。更多...

virtual void	SaveConfig (Json *out) const =0
	将配置保存到 JSON 对象。更多...

静态公共成员函数
static GradientBooster *	Create (const std::string &name, Context const ctx, LearnerModelParam const learner_model_param)
	从给定名称创建梯度提升器更多...

保护成员函数
	GradientBooster (Context const *ctx)

保护属性
Context const *	ctx_

详细描述

梯度提升模型的接口。

构造函数和析构函数文档

◆ GradientBooster()

xgboost::GradientBooster::GradientBooster ( Context const * ctx )

inlineexplicitprotected

◆ ~GradientBooster()

xgboost::GradientBooster::~GradientBooster ( )

overridedefault

虚析构函数

成员函数文档

◆ BoostedRounds()

virtual std::int32_t xgboost::GradientBooster::BoostedRounds ( ) const

纯虚函数

返回提升轮次数量。

◆ Cats()

virtual CatContainer const* xgboost::GradientBooster::Cats ( ) const

inlinevirtual

类别的 Getter。

◆ Configure()

virtual void xgboost::GradientBooster::Configure ( Args const & cfg )

纯虚函数

设置梯度提升的配置。用户必须在 InitModel 和 Training 之前调用一次配置。

参数

cfg	关于训练和模型参数的配置。

◆ Create()

static GradientBooster* xgboost::GradientBooster::Create	(	const std::string &	name,
		Context const *	ctx,
		LearnerModelParam const *	learner_model_param
	)

static

从给定名称创建梯度提升器

参数

name	梯度提升器的名称
通用参数	指向运行时参数的指针
learner_model_param	指向全局模型参数的指针

返回: 创建的提升器。

◆ DoBoost()

virtual void xgboost::GradientBooster::DoBoost	(	DMatrix *	p_fmat,
		linalg::Matrix< GradientPair > *	in_gpair,
		PredictionCacheEntry *	,
		ObjFunction const *	obj
	)

纯虚函数

执行模型更新（提升）

参数

p_fmat	提供特征访问的特征矩阵
in_gpair	数据梯度对统计的地址
预测	需要更新的输出预测缓存条目。提升器可能会改变 gpair 的内容
obj	用于提升的目标函数。

◆ DumpModel()

virtual std::vector<std::string> xgboost::GradientBooster::DumpModel	(	const FeatureMap &	fmap,
		bool	with_stats,
		std::string	format
	)		const

纯虚函数

以请求的格式转储模型

参数

fmap	可能有助于解释特征的特征图
with_stats	转储模型时的额外统计信息
format	转储模型的格式

返回: 提升器的转储向量。

◆ FeatureScore()

virtual void xgboost::GradientBooster::FeatureScore	(	std::string const &	importance_type,
		common::Span< int32_t const >	trees,
		std::vector< bst_feature_t > *	features,
		std::vector< float > *	scores
	)		const

纯虚函数

◆ InplacePredict()

virtual void xgboost::GradientBooster::InplacePredict	(	std::shared_ptr< DMatrix >	,
		float	,
		PredictionCacheEntry *	,
		bst_layer_t	,
		bst_layer_t
	)		const

inlinevirtual

原地预测。

参数

	p_fmat	包含数据及相关内容的代理 DMatrix。
	missing	数据中的缺失值。
[in,out]	out_preds	输出预测。
	begin	（可选）用于预测的提升树层的起始。
	end	（可选）提升层结束。0 表示不限制树的数量。

◆ ModelFitted()

virtual bool xgboost::GradientBooster::ModelFitted ( ) const

纯虚函数

模型是否已经训练。如果选择了树增强器，则在存在现有树时返回 true。

◆ PredictBatch()

virtual void xgboost::GradientBooster::PredictBatch	(	DMatrix *	dmat,
		PredictionCacheEntry *	out_preds,
		bool	training,
		bst_layer_t	begin,
		bst_layer_t	end
	)

纯虚函数

为给定的特征矩阵生成预测。

参数

dmat	特征矩阵。
out_preds	用于保存预测的输出向量
training	预测值是否用于训练。对于 dart 提升器，在训练期间执行 dropout。
begin	用于预测的提升树层的起始。
end	提升层结束。0 表示不限制树的数量。

◆ PredictContribution()

virtual void xgboost::GradientBooster::PredictContribution	(	DMatrix *	dmat,
		HostDeviceVector< float > *	out_contribs,
		bst_layer_t	layer_begin,
		bst_layer_t	layer_end,
		bool	approximate = `false`
	)

纯虚函数

对个体预测的特征贡献；输出将是一个长度为 (nfeats + 1) * num_output_group * nsample 的向量，按此顺序排列

参数

dmat	特征矩阵
out_contribs	用于保存贡献的输出向量
layer_begin	用于预测的提升树层的起始。
layer_end	提升层结束。0 表示不限制树的数量。
近似	使用更快（不一致）的 SHAP 值近似

◆ PredictInteractionContributions()

virtual void xgboost::GradientBooster::PredictInteractionContributions	(	DMatrix *	dmat,
		HostDeviceVector< float > *	out_contribs,
		bst_layer_t	layer_begin,
		bst_layer_t	layer_end,
		bool	近似
	)

纯虚函数

◆ PredictLeaf()

virtual void xgboost::GradientBooster::PredictLeaf	(	DMatrix *	dmat,
		HostDeviceVector< bst_float > *	out_preds,
		unsigned	layer_begin,
		unsigned	layer_end
	)

纯虚函数

预测每棵树的叶子索引，输出将是 nsample * ntree 向量，这仅在 gbtree 预测器中有效

参数

dmat	特征矩阵
out_preds	用于保存预测的输出向量
layer_begin	用于预测的提升树层的起始。
layer_end	提升层结束。0 表示不限制树的数量。

◆ Slice()

virtual void xgboost::GradientBooster::Slice	(	bst_layer_t	,
		bst_layer_t	,
		bst_layer_t	,
		GradientBooster *	,
		bool *
	)		const

inlinevirtual

使用提升索引切片模型。切片 m:n 表示获取在提升轮次 m, (m+1), (m+2), ..., (n-1) 期间拟合的所有树。

参数

begin	用于预测的提升树层的起始。
end	提升层结束。0 表示不限制树的数量。
out	输出梯度提升器

成员数据文档

◆ ctx_

Context const* xgboost::GradientBooster::ctx_

protected

此类的文档由以下文件生成

/home/docs/checkouts/readthedocs.org/user_builds/xgboost/checkouts/stable/include/xgboost/gbm.h

公共成员函数

静态公共成员函数

保护成员函数

保护属性

详细描述

构造函数和析构函数文档

◆ GradientBooster()

◆ ~GradientBooster()

成员函数文档

◆ BoostedRounds()

◆ Cats()

◆ Configure()

◆ Create()

◆ DoBoost()

◆ DumpModel()

◆ FeatureScore()

◆ InplacePredict()

◆ ModelFitted()

◆ PredictBatch()

◆ PredictContribution()

◆ PredictInteractionContributions()

◆ PredictLeaf()

◆ Slice()

成员数据文档

◆ ctx_