LightGbmRankingTrainer Třída

Definice

Obor názvů:

Microsoft.ML.Trainers.LightGbm

Sestavení:

Microsoft.ML.LightGbm.dll

Balíček:

Microsoft.ML.LightGbm v3.0.1

Pro IEstimator<TTransformer> trénování modelu hodnocení rozhodovacího stromu s využitím LightGBM.

public sealed class LightGbmRankingTrainer : Microsoft.ML.Trainers.LightGbm.LightGbmTrainerBase<Microsoft.ML.Trainers.LightGbm.LightGbmRankingTrainer.Options,float,Microsoft.ML.Data.RankingPredictionTransformer<Microsoft.ML.Trainers.LightGbm.LightGbmRankingModelParameters>,Microsoft.ML.Trainers.LightGbm.LightGbmRankingModelParameters>

type LightGbmRankingTrainer = class
    inherit LightGbmTrainerBase<LightGbmRankingTrainer.Options, single, RankingPredictionTransformer<LightGbmRankingModelParameters>, LightGbmRankingModelParameters>

Public NotInheritable Class LightGbmRankingTrainer
Inherits LightGbmTrainerBase(Of LightGbmRankingTrainer.Options, Single, RankingPredictionTransformer(Of LightGbmRankingModelParameters), LightGbmRankingModelParameters)

Dědičnost

Object

TrainerEstimatorBase<TTransformer,TModel>

TrainerEstimatorBaseWithGroupId<TTransformer,TModel>

LightGbmTrainerBase<LightGbmRankingTrainer.Options,Single,RankingPredictionTransformer<LightGbmRankingModelParameters>,LightGbmRankingModelParameters>

LightGbmRankingTrainer

Poznámky

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

Vstupní a výstupní sloupce

Datový typ vstupního popisku musí být typ klíče nebo Single. Hodnota popisku určuje relevance, kde vyšší hodnoty označují vyšší relevance. Pokud je popisek typem klíče , pak je index klíče hodnotou relevance, kde nejmenší index je nejméně relevantní. Pokud je Singlepopisek , větší hodnoty označují vyšší význam. Sloupec funkce musí být vektorem Single známé velikosti a vstupním sloupcem skupiny řádků musí být typ klíče .

Tento trenér vypíše následující sloupce:

Název výstupního sloupce	Typ sloupce	Description
Score	Single	Nevázané skóre vypočítané modelem k určení předpovědi.

Charakteristiky trenéra

Úloha strojového učení	Pořadí
Vyžaduje se normalizace?	No
Vyžaduje se ukládání do mezipaměti?	No
Povinné nuGet kromě Microsoft.ML	Microsoft.ML.LightGbm
Exportovatelný do ONNX	No

Podrobnosti o trénovacím algoritmu

LightGBM je open source implementace rozhodovacího stromu pro zvýšení přechodu. Podrobnosti o implementaci najdete v oficiální dokumentaci k LightGBM nebo v tomto dokumentu.

V části Viz také najdete odkazy na příklady použití.

Pole

FeatureColumn	Sloupec funkcí, který trenér očekává. (Zděděno od TrainerEstimatorBase<TTransformer,TModel>)
GroupIdColumn	Volitelný sloupec groupID, který očekává trenér hodnocení. (Zděděno od TrainerEstimatorBaseWithGroupId<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	Pro IEstimator<TTransformer> trénování modelu hodnocení rozhodovacího stromu s využitím LightGBM. (Zděděno od LightGbmTrainerBase<TOptions,TOutput,TTransformer,TModel>)

Metody

Fit(IDataView)	Vlaky a vrátí ITransformerhodnotu . (Zděděno od TrainerEstimatorBase<TTransformer,TModel>)
Fit(IDataView, IDataView)	LightGbmRankingTrainer Trénování pomocí trénovacích i ověřovacích dat vrátí RankingPredictionTransformer<TModel>hodnotu .
GetOutputSchema(SchemaShape)	Pro IEstimator<TTransformer> trénování modelu hodnocení rozhodovacího stromu s využitím LightGBM. (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.

Viz také

• LightGbm(RankingCatalog+RankingTrainers, String, String, String, String, Nullable<Int32>, Nullable<Int32>, Nullable<Double>, Int32)
• LightGbm(RankingCatalog+RankingTrainers, LightGbmRankingTrainer+Options)
• LightGbmRankingTrainer.Options