GamBinaryTrainer Třída

Definice

Obor názvů:

Microsoft.ML.Trainers.FastTree

Sestavení:

Microsoft.ML.FastTree.dll

Balíček:

Microsoft.ML.FastTree v2.0.0

Trénování IEstimator<TTransformer> binárního klasifikačního modelu pomocí generalizovaných doplňkových modelů (GAM).

public sealed class GamBinaryTrainer : Microsoft.ML.Trainers.FastTree.GamTrainerBase<Microsoft.ML.Trainers.FastTree.GamBinaryTrainer.Options,Microsoft.ML.Data.BinaryPredictionTransformer<Microsoft.ML.Calibrators.CalibratedModelParametersBase<Microsoft.ML.Trainers.FastTree.GamBinaryModelParameters,Microsoft.ML.Calibrators.PlattCalibrator>>,Microsoft.ML.Calibrators.CalibratedModelParametersBase<Microsoft.ML.Trainers.FastTree.GamBinaryModelParameters,Microsoft.ML.Calibrators.PlattCalibrator>>

type GamBinaryTrainer = class
    inherit GamTrainerBase<GamBinaryTrainer.Options, BinaryPredictionTransformer<CalibratedModelParametersBase<GamBinaryModelParameters, PlattCalibrator>>, CalibratedModelParametersBase<GamBinaryModelParameters, PlattCalibrator>>

Public NotInheritable Class GamBinaryTrainer
Inherits GamTrainerBase(Of GamBinaryTrainer.Options, BinaryPredictionTransformer(Of CalibratedModelParametersBase(Of GamBinaryModelParameters, PlattCalibrator)), CalibratedModelParametersBase(Of GamBinaryModelParameters, PlattCalibrator))

Dědičnost

Object

TrainerEstimatorBase<TTransformer,TPredictor>

GamTrainerBase<GamBinaryTrainer.Options,BinaryPredictionTransformer<CalibratedModelParametersBase<GamBinaryModelParameters,PlattCalibrator>>,CalibratedModelParametersBase<GamBinaryModelParameters,PlattCalibrator>>

GamBinaryTrainer

Poznámky

K vytvoření tohoto trenéra použijte Gam nebo Gam(Options).

Vstupní a výstupní sloupce

Vstupní data sloupce popisku musí být Boolean. Vstupní funkce sloupcová data musí být vektorem známé velikosti Single.

Tento trenér vypíše následující sloupce:

Název výstupního sloupce	Typ sloupce	Description
Score	Single	Nevázané skóre, které model vypočítal.
PredictedLabel	Boolean	Predikovaný popisek na základě znaménka skóre. Záporná skóre mapuje na false a kladná skóre se mapuje na true.
Probability	Single	Pravděpodobnost vypočítaná kalibrací skóre hodnoty true jako popisku. Hodnota pravděpodobnosti je v rozsahu [0, 1].

Charakteristiky trenéra

Úloha strojového učení	Binární klasifikace
Vyžaduje se normalizace?	No
Vyžaduje se ukládání do mezipaměti?	No
Požadovaný NuGet kromě Microsoft.ML	Microsoft.ML.FastTree
Exportovatelné do ONNX	No

Podrobnosti trénovacího algoritmu

Generalizované doplňkové modely nebo GAM modelují data jako sadu lineárních nezávislých funkcí podobných lineárnímu modelu. Pro každou funkci se trenér GAM učí nelineární funkci označovanou jako "tvarová funkce", která vypočítá odpověď jako funkci hodnoty funkce. (Naproti tomu lineární model odpovídá lineární odezvě (např. čárě) ke každé funkci.) Pokud chcete získat skóre vstupu, sčítají se výstupy všech funkcí obrazců a skóre je celková hodnota.

Tento trenér GAM se implementuje pomocí plýtkých přechodových zesílených stromů (např. stumpů stromu) k učení neparametrické funkce tvarování a je založen na metodě popsané v Lou, Caruana a Gehrke. "Intelligible Models for Classification and Regression" (Intelligible Models for Classification and Regression). KDD'12, Peking, Čína. 2012. Po trénování se přidá průsečík, který představuje průměrnou předpověď v trénovací sadě a funkce obrazců se normalizují tak, aby představovaly odchylku od průměrné předpovědi. Výsledkem jsou modely, které jsou snadno interpretovány jednoduše kontrolou průsečíku a funkcí obrazce. Příklad trénování modelu GAM a kontrola a interpretace výsledků najdete v následující ukázce.

V části Viz také najdete odkazy na příklady použití.

Pole

FeatureColumn	Sloupec funkcí, který trenér očekává. (Zděděno od TrainerEstimatorBase<TTransformer,TModel>)
LabelColumn	Sloupec popisku, který trenér očekává. Může to být null, což označuje, že popisek se nepoužívá pro trénování. (Zděděno od TrainerEstimatorBase<TTransformer,TModel>)
WeightColumn	Sloupec hmotnosti, který trenér očekává. Může to být null, což značí, že váha se nepoužívá pro trénování. (Zděděno od TrainerEstimatorBase<TTransformer,TModel>)

Vlastnosti

Info	Trénování IEstimator<TTransformer> binárního klasifikačního modelu pomocí generalizovaných doplňkových modelů (GAM). (Zděděno od GamTrainerBase<TOptions,TTransformer,TPredictor>)

Metody

Fit(IDataView)	Vlaky a vrací hodnotu ITransformer. (Zděděno od TrainerEstimatorBase<TTransformer,TModel>)
Fit(IDataView, IDataView)	Trénuje GamBinaryTrainer pomocí trénovacích i ověřovacích dat, vrátí BinaryPredictionTransformer<TModel>hodnotu .
GetOutputSchema(SchemaShape)	Trénování IEstimator<TTransformer> binárního klasifikačního modelu pomocí generalizovaných doplňkových modelů (GAM). (Zděděno od TrainerEstimatorBase<TTransformer,TModel>)

Metody rozšíření

AppendCacheCheckpoint<TTrans>(IEstimator<TTrans>, IHostEnvironment)

Připojte k řetězci estimátoru kontrolní bod ukládání do mezipaměti. Tím zajistíte, aby podřízené estimátory byly vytrénovány proti datům uloženým v mezipaměti. Před průchodem více dat je užitečné mít kontrolní bod ukládání do mezipaměti.

WithOnFitDelegate<TTransformer>(IEstimator<TTransformer>, Action<TTransformer>)

Vzhledem k estimátoru vraťte zalamovací objekt, který zavolá delegáta jednou Fit(IDataView) . Často je důležité, aby odhadovač vrátil informace o tom, co bylo vhodné, což je důvod, proč Fit(IDataView) metoda vrací konkrétně typ objekt, nikoli jen obecné ITransformer. Ve stejnou dobu se však často vytvářejí do kanálů s mnoha objekty, takže možná budeme muset vytvořit řetězec estimátorů, kde EstimatorChain<TLastTransformer> je odhadovač, IEstimator<TTransformer> pro který chceme získat transformátor, zakopán někde v tomto řetězci. Pro tento scénář můžeme prostřednictvím této metody připojit delegáta, který bude volána po zavolání fit.

Viz také

• Gam(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String, String, Int32, Int32, Double)
• Gam(BinaryClassificationCatalog+BinaryClassificationTrainers, GamBinaryTrainer+Options)
• GamBinaryTrainer.Options