LbfgsPoissonRegressionTrainer 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.
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
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 |
| WeightColumn |
Sloupec hmotnosti, který trenér očekává. Může být |
Vlastnosti
| Info |
Trénování IEstimator<TTransformer> modelu regrese Poissona. (Zděděno od LbfgsTrainerBase<TOptions,TTransformer,TModel>) |
Metody
| Fit(IDataView, LinearModelParameters) |
Pokračuje v trénování LbfgsPoissonRegressionTrainer pomocí již natrénovaného |
| Fit(IDataView) |
Vlaky a vrátí ITransformerhodnotu . (Zděděno od TrainerEstimatorBase<TTransformer,TModel>) |
| 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. |