OnlineGradientDescentTrainer 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

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> lineárního regresního modelu pomocí online gradientního sestupu (OGD) pro odhad parametrů lineárního regresního modelu.

public sealed class OnlineGradientDescentTrainer : Microsoft.ML.Trainers.AveragedLinearTrainer<Microsoft.ML.Data.RegressionPredictionTransformer<Microsoft.ML.Trainers.LinearRegressionModelParameters>,Microsoft.ML.Trainers.LinearRegressionModelParameters>

type OnlineGradientDescentTrainer = class
    inherit AveragedLinearTrainer<RegressionPredictionTransformer<LinearRegressionModelParameters>, LinearRegressionModelParameters>

Public NotInheritable Class OnlineGradientDescentTrainer
Inherits AveragedLinearTrainer(Of RegressionPredictionTransformer(Of LinearRegressionModelParameters), LinearRegressionModelParameters)

Dědičnost: Object

TrainerEstimatorBase<TTransformer,TModel>

OnlineLinearTrainer<TTransformer,TModel>

AveragedLinearTrainer<RegressionPredictionTransformer<LinearRegressionModelParameters>,LinearRegressionModelParameters>
OnlineGradientDescentTrainer

Poznámky

K vytvoření tohoto trenéra použijte OnlineGradientDescent nebo OnlineGradientDescent(Options).

Vstupní a výstupní sloupce

Vstupní data sloupce popisku musí být Single. Vstupní funkce sloupcová data musí být vektorem známé velikosti Single.

Tento trenér vypíše následující sloupce:

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

Charakteristiky trenéra


Úloha strojového učení	Regrese
Vyžaduje se normalizace?	Yes
Vyžaduje se ukládání do mezipaměti?	No
Požadovaný NuGet kromě Microsoft.ML	Žádné
Exportovatelné do ONNX	Yes

Podrobnosti trénovacího algoritmu

Stochastický gradientní sestup používá jednoduchou, ale efektivní iterativní techniku pro přizpůsobení koeficientů modelu pomocí chybových přechodů pro konvexní ztrátové funkce. On-line gradientní sestup (OGD) implementuje standardní (non-batch) stochastický gradientní sestup s výběrem funkcí ztráty a možnost aktualizovat vektor hmotnosti pomocí průměru vektorů v průběhu času (průměrný argument je ve výchozím nastavení nastaven na Hodnotu True).

Odkazy na příklady použití najdete v části Viz také.

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 to být `null`, což značí, že váha se nepoužívá pro trénování. (Zděděno od TrainerEstimatorBase<TTransformer,TModel>)

Vlastnosti

Info	Trénování IEstimator<TTransformer> lineárního regresního modelu pomocí online gradientního sestupu (OGD) pro odhad parametrů lineárního regresního modelu. (Zděděno od OnlineLinearTrainer<TTransformer,TModel>)

Metody

Fit(IDataView)	Vlaky a vrací hodnotu ITransformer. (Zděděno od TrainerEstimatorBase<TTransformer,TModel>)
Fit(IDataView, LinearModelParameters)	Pokračuje v trénování OnlineLinearTrainer<TTransformer,TModel> pomocí již natrénovaného `modelParameters` a vrátí ITransformerhodnotu . (Zděděno od OnlineLinearTrainer<TTransformer,TModel>)
GetOutputSchema(SchemaShape)	Trénování IEstimator<TTransformer> lineárního regresního modelu pomocí online gradientního sestupu (OGD) pro odhad parametrů lineárního regresního modelu. (Zděděno od TrainerEstimatorBase<TTransformer,TModel>)

Metody rozšíření

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

Připojte k řetězci estimátoru kontrolní bod ukládání do mezipaměti. Tím zajistíte, aby podřízené estimátory byly vytrénovány 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 zalamovací objekt, který zavolá delegáta jednou Fit(IDataView) . Často je důležité, aby odhadovač vrátil informace o tom, co bylo vhodné, což je důvod, proč Fit(IDataView) metoda vrací konkrétně typ objekt, nikoli jen obecné ITransformer. Ve stejnou dobu se však často vytvářejí do kanálů s mnoha objekty, takže možná budeme muset vytvořit řetězec estimátorů, kde EstimatorChain<TLastTransformer> je odhadovač, IEstimator<TTransformer> pro který chceme získat transformátor, zakopán někde v tomto řetězci. Pro tento scénář můžeme prostřednictvím této metody připojit delegáta, který bude volána po zavolání fit.

Platí pro