LbfgsPoissonRegressionTrainer Třída

  • Reference

Definice

Obor názvů:
Microsoft.ML.Trainers
Sestavení:
Microsoft.ML.StandardTrainers.dll
Balíček:
Microsoft.ML v3.0.1
Balíček:
Microsoft.ML v1.0.0
Balíček:
Microsoft.ML v1.1.0
Balíček:
Microsoft.ML v1.2.0
Balíček:
Microsoft.ML v1.3.1
Balíček:
Microsoft.ML v1.4.0
Balíček:
Microsoft.ML v1.5.5
Balíček:
Microsoft.ML v1.6.0
Balíček:
Microsoft.ML v1.7.0
Balíček:
Microsoft.ML v2.0.0

Trénování IEstimator<TTransformer> modelu regrese Poissona.

public sealed class LbfgsPoissonRegressionTrainer : Microsoft.ML.Trainers.LbfgsTrainerBase<Microsoft.ML.Trainers.LbfgsPoissonRegressionTrainer.Options,Microsoft.ML.Data.RegressionPredictionTransformer<Microsoft.ML.Trainers.PoissonRegressionModelParameters>,Microsoft.ML.Trainers.PoissonRegressionModelParameters>
type LbfgsPoissonRegressionTrainer = class
    inherit LbfgsTrainerBase<LbfgsPoissonRegressionTrainer.Options, RegressionPredictionTransformer<PoissonRegressionModelParameters>, PoissonRegressionModelParameters>
Public NotInheritable Class LbfgsPoissonRegressionTrainer
Inherits LbfgsTrainerBase(Of LbfgsPoissonRegressionTrainer.Options, RegressionPredictionTransformer(Of PoissonRegressionModelParameters), PoissonRegressionModelParameters)
Dědičnost
Object
TrainerEstimatorBase<TTransformer,TModel>
LbfgsTrainerBase<LbfgsPoissonRegressionTrainer.Options,RegressionPredictionTransformer<PoissonRegressionModelParameters>,PoissonRegressionModelParameters>
LbfgsPoissonRegressionTrainer

Poznámky

K vytvoření tohoto trenéra použijte LbfgsPoissonRegression nebo LbfgsPoissonRegression(Možnosti).

Vstupní a výstupní sloupce

Vstupní data sloupce popisku musí být Single. Vstupními funkcemi musí být data sloupců známého vektoru Singlevelikosti .

Tento trenér vypíše následující sloupce:

Název výstupního sloupce Typ sloupce Description
Score Single Nevázané skóre, které model předpověděl.

Charakteristiky trenéra
Úloha strojového učení Regrese
Vyžaduje se normalizace? Yes
Vyžaduje se ukládání do mezipaměti? No
Povinné nuGet kromě Microsoft.ML Žádné
Exportovatelný do ONNX Yes

Podrobnosti o trénovacím algoritmu

Poissonova regrese je parametrizovaná regresní metoda. Předpokládá se, že protokol podmíněné střední hodnoty závislé proměnné se řídí lineární funkcí závislých proměnných. Za předpokladu, že závislá proměnná následuje poissonovo rozdělení, lze regresní parametry odhadnout maximalizací pravděpodobnosti získaných pozorování.

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 být null, což značí, že váha se nepoužívá pro trénování.

(Zděděno od TrainerEstimatorBase<TTransformer,TModel>)

Vlastnosti

Info

Trénování IEstimator<TTransformer> modelu regrese Poissona.

(Zděděno od LbfgsTrainerBase<TOptions,TTransformer,TModel>)

Metody

Fit(IDataView)

Vlaky a vrátí ITransformerhodnotu .

(Zděděno od TrainerEstimatorBase<TTransformer,TModel>)
Fit(IDataView, LinearModelParameters)

Pokračuje v trénování LbfgsPoissonRegressionTrainer pomocí již natrénovaného linearModel a vrátí RegressionPredictionTransformer<TModel>hodnotu .
GetOutputSchema(SchemaShape)

Trénování IEstimator<TTransformer> modelu regrese Poissona.

(Zděděno od TrainerEstimatorBase<TTransformer,TModel>)

Metody rozšíření

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

Připojte k řetězci odhadu kontrolní bod ukládání do mezipaměti. Tím zajistíte, aby se podřízené estimátory natrénovaly na data uložená v mezipaměti. Před průchodem více dat je užitečné mít kontrolní bod ukládání do mezipaměti.
WithOnFitDelegate<TTransformer>(IEstimator<TTransformer>, Action<TTransformer>)

Pokud získáte odhadátor, vraťte obtékání objektu, 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 konkrétně zadaný objekt, a ne jen obecné ITransformer. Ve stejnou dobu se však často vytvářejí do kanálů s mnoha objekty, takže možná budeme muset vytvořit řetězec odhadovačů prostřednictvím EstimatorChain<TLastTransformer> toho, kde je odhadovač, IEstimator<TTransformer> pro který chceme získat transformátor, uložen někde v tomto řetězu. Pro tento scénář můžeme prostřednictvím této metody připojit delegáta, který bude volána po volání fit.

Platí pro

Viz také