Я пытаюсь использовать метод TensorForestEstimator для TFlearn (nee skflow), чтобы сделать регрессию, и это сбрасывает ядро, когда я подхожу(). В моем ForestHParams я устанавливаю num_classes = 0 и регрессию = True. Это будут правильные настройки для регрессии? Я использую Tensorflow 0.10.0Tensorflow TFlearn - Случайная регрессия леса
num_classes = 1 - это правильная настройка. Также пытается передать random_forest.TensorForestLossMonitor (или может быть вызван только LossMonitor, в зависимости от версии) в мониторах kwarg fit(). Это прекратит обучение, когда дерево вырастет до максимального размера. Или, fit() имеет max_steps kwargs, который вы можете использовать (он не входит в ForestHParams, вы просто передаете его функции).
Спасибо, это действительно помогло. Я тренируюсь в разумные сроки без ошибок. Одна заметка заключается в том, что функция оценки() для регрессии возвращает ключ r2, а не ключ точности, что имеет смысл. – RCrowe
Изменение на num_classes = 1 останавливает дамп ядра, но теперь он работает вечно. Поэтому я попытался добавить max_nodes = 50, шаги = 10 в ForestHParams (достаточно небольшие значения, которые он должен выполнять относительно быстро), и он все еще работает вечно. TensorForestEstimator сам не примет параметр шагов. – RCrowe