OlsTrainer Třída

Definice

Obor názvů:

Microsoft.ML.Trainers

Sestavení:

Microsoft.ML.Mkl.Components.dll

Balíček:

Microsoft.ML.Mkl.Components v3.0.1

Trénování IEstimator<TTransformer> lineárního regresního modelu pomocí obyčejných nejmenších čtverců (OLS) pro odhad parametrů lineární regresního modelu.

public sealed class OlsTrainer : Microsoft.ML.Trainers.TrainerEstimatorBase<Microsoft.ML.Data.RegressionPredictionTransformer<Microsoft.ML.Trainers.OlsModelParameters>,Microsoft.ML.Trainers.OlsModelParameters>

type OlsTrainer = class
    inherit TrainerEstimatorBase<RegressionPredictionTransformer<OlsModelParameters>, OlsModelParameters>

Public NotInheritable Class OlsTrainer
Inherits TrainerEstimatorBase(Of RegressionPredictionTransformer(Of OlsModelParameters), OlsModelParameters)

Dědičnost

Object

TrainerEstimatorBase<RegressionPredictionTransformer<OlsModelParameters>,OlsModelParameters>

OlsTrainer

Poznámky

K vytvoření tohoto trenéra použijte Ols nebo Ols(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	Microsoft.ML.Mkl.Components
Exportovatelný do ONNX	Yes

Podrobnosti o trénovacím algoritmu

Běžná nejmenší čtverce (OLS) je parametrizovaná regresní metoda. Předpokládá se, že podmíněný průměr závislé proměnné se řídí lineární funkcí závislých proměnných. Regresní parametry lze odhadnout minimalizací čtverců rozdílu mezi pozorovanými hodnotami a predikcemi.

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> lineárního regresního modelu pomocí obyčejných nejmenších čtverců (OLS) pro odhad parametrů lineární regresního modelu.

Metody

Fit(IDataView)	Vlaky a vrátí ITransformerhodnotu . (Zděděno od TrainerEstimatorBase<TTransformer,TModel>)
GetOutputSchema(SchemaShape)	Trénování IEstimator<TTransformer> lineárního regresního modelu pomocí obyčejných nejmenších čtverců (OLS) pro odhad parametrů lineární regresního modelu. (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

• Ols(RegressionCatalog+RegressionTrainers, String, String, String)
• Ols(RegressionCatalog+RegressionTrainers, OlsTrainer+Options)
• OlsTrainer.Options