GamRegressionTrainer Třída
Definice
Důležité
Některé informace platí pro předběžně vydaný produkt, který se může zásadně změnit, než ho výrobce nebo autor vydá. Microsoft neposkytuje žádné záruky, výslovné ani předpokládané, týkající se zde uváděných informací.
Pro IEstimator<TTransformer> trénování regresního modelu s generalizovanými doplňkovými modely (GAM).
public sealed class GamRegressionTrainer : Microsoft.ML.Trainers.FastTree.GamTrainerBase<Microsoft.ML.Trainers.FastTree.GamRegressionTrainer.Options,Microsoft.ML.Data.RegressionPredictionTransformer<Microsoft.ML.Trainers.FastTree.GamRegressionModelParameters>,Microsoft.ML.Trainers.FastTree.GamRegressionModelParameters>type GamRegressionTrainer = class
inherit GamTrainerBase<GamRegressionTrainer.Options, RegressionPredictionTransformer<GamRegressionModelParameters>, GamRegressionModelParameters>Public NotInheritable Class GamRegressionTrainer
Inherits GamTrainerBase(Of GamRegressionTrainer.Options, RegressionPredictionTransformer(Of GamRegressionModelParameters), GamRegressionModelParameters)- Dědičnost
-
TrainerEstimatorBase<TTransformer,TPredictor>GamTrainerBase<GamRegressionTrainer.Options,RegressionPredictionTransformer<GamRegressionModelParameters>,GamRegressionModelParameters>GamRegressionTrainer
Poznámky
Chcete-li vytvořit tohoto trenéra, použijte Gam nebo Gam(Options).
Vstupní a výstupní sloupce
Vstupní data sloupce štítku musí být Single. Vstupními funkcemi musí být data sloupců známým vektorem Singlevelikosti .
Tento trenér vypíše následující sloupce:
| Název výstupního sloupce | Typ sloupce | Description |
|---|---|---|
Score |
Single | Nevázané skóre, které model predikoval. |
Charakteristiky trenéra
| Úloha strojového učení | Regression |
| 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 lineárně 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 odpovědi (např. přímka) ke každé funkci.) Pro určení skóre vstupu se sčítají výstupy všech funkcí obrazce a skóre je celková hodnota.
Tento trenažér GAM se implementuje pomocí holých přechodových stromů (např. stumpů stromu) pro učení neparametrických funkcí tvaru 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 představující 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 prozkoumání a interpretace výsledků najdete v následující ukázce.
V části Viz také najdete odkazy na příklady použití.
Pole
| Name | Description |
|---|---|
| FeatureColumn |
Sloupec funkcí, který trenér očekává. (Zděděno od TrainerEstimatorBase<TTransformer,TModel>) |
| LabelColumn |
Sloupec popisku, který trenér očekává. Může to být |
| WeightColumn |
Váhový sloupec, který trenér očekává. Může být |
Vlastnosti
| Name | Description |
|---|---|
| Info |
Pro IEstimator<TTransformer> trénování regresního modelu s generalizovanými doplňkovými modely (GAM). (Zděděno od GamTrainerBase<TOptions,TTransformer,TPredictor>) |
Metody
| Name | Description |
|---|---|
| Fit(IDataView, IDataView) |
Trénuje GamRegressionTrainer pomocí trénovacích i ověřovacích dat, vrátí hodnotu RegressionPredictionTransformer<TModel>. |
| Fit(IDataView) |
Vlaky a vrací .ITransformer (Zděděno od TrainerEstimatorBase<TTransformer,TModel>) |
| GetOutputSchema(SchemaShape) |
Pro IEstimator<TTransformer> trénování regresního modelu s generalizovanými doplňkovými modely (GAM). (Zděděno od TrainerEstimatorBase<TTransformer,TModel>) |
Metody rozšíření
| Name | Description |
|---|---|
| AppendCacheCheckpoint<TTrans>(IEstimator<TTrans>, IHostEnvironment) |
Připojte kontrolní bod ukládání do mezipaměti do řetězu odhadce. Tím zajistíte, aby podřízené estimátory byly natrénovány 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 objekt obtékání, který jednou zavolá delegáta Fit(IDataView) . Často je důležité, aby estimátor vrátil informace o tom, co bylo vhodné, což je důvod, proč Fit(IDataView) metoda vrací konkrétní typ objekt, spíše než jen obecný ITransformer. Ve stejnou dobu se však často vytvářejí do kanálů s mnoha objekty, takže možná budeme muset vytvořit řetěz odhadců prostřednictvím IEstimator<TTransformer> místa, kde odhadovač, EstimatorChain<TLastTransformer> pro který chceme získat transformátor, je někde v tomto řetězu. Pro tento scénář můžeme prostřednictvím této metody připojit delegáta, který bude volána po zavolání fit. |