TrainerEstimatorBase<TTransformer,TModel> Třída

Definice

Obor názvů:

Microsoft.ML.Trainers

Sestavení:

Microsoft.ML.Data.dll

Balíček:

Microsoft.ML v3.0.1

To představuje základní třídu pro "jednoduchého trenéra". Jednoduchý trenér přijímá jeden sloupec funkcí a jeden sloupec popisku, volitelně také sloupec hmotnosti. Vytvoří "predikční transformátor".

public abstract class TrainerEstimatorBase<TTransformer,TModel> : Microsoft.ML.IEstimator<TTransformer>, Microsoft.ML.Trainers.ITrainerEstimator<TTransformer,TModel> where TTransformer : ISingleFeaturePredictionTransformer<TModel> where TModel : class

type TrainerEstimatorBase<'ransformer, 'Model (requires 'ransformer :> ISingleFeaturePredictionTransformer<'Model> and 'Model : null)> = class
    interface ITrainerEstimator<'ransformer, 'Model (requires 'ransformer :> ISingleFeaturePredictionTransformer<'Model> and 'Model : null)>
    interface IEstimator<'ransformer (requires 'ransformer :> ISingleFeaturePredictionTransformer<'Model>)>

Public MustInherit Class TrainerEstimatorBase(Of TTransformer, TModel)
Implements IEstimator(Of TTransformer), ITrainerEstimator(Of TTransformer, TModel)

Parametry typu

TTransformer

TModel

Dědičnost

Object

TrainerEstimatorBase<TTransformer,TModel>

Odvozené

Microsoft.ML.Trainers.FastTree.GamTrainerBase<TOptions,TTransformer,TPredictor>

Microsoft.ML.Trainers.KMeansTrainer

Microsoft.ML.Trainers.LbfgsTrainerBase<TOptions,TTransformer,TModel>

Microsoft.ML.Trainers.LdSvmTrainer

Microsoft.ML.Trainers.LinearTrainerBase<TTransformer,TModel>

Microsoft.ML.Trainers.NaiveBayesMulticlassTrainer

Microsoft.ML.Trainers.OlsTrainer

Microsoft.ML.Trainers.OnlineLinearTrainer<TTransformer,TModel>

Microsoft.ML.Trainers.RandomizedPcaTrainer

Microsoft.ML.Trainers.StochasticTrainerBase<TTransformer,TModel>

Microsoft.ML.Trainers.SymbolicSgdLogisticRegressionBinaryTrainer

Microsoft.ML.Trainers.TrainerEstimatorBaseWithGroupId<TTransformer,TModel>

Microsoft.ML.Vision.ImageClassificationTrainer

Implementuje

IEstimator<TTransformer> ITrainerEstimator<TTransformer,TModel>

Pole

FeatureColumn	Sloupec funkcí, který trenér očekává.
LabelColumn	Sloupec popisku, který trenér očekává. Může to být null, což označuje, že popisek se nepoužívá pro trénování.
WeightColumn	Sloupec hmotnosti, který trenér očekává. Může to být null, což značí, že váha se nepoužívá pro trénování.

Vlastnosti

Info	Informace o trenéru: zda to má výhody z normalizace, ukládání do mezipaměti atd.

Metody

Fit(IDataView)	Vlaky a vrací hodnotu ITransformer.
GetOutputSchema(SchemaShape)	To představuje základní třídu pro "jednoduchého trenéra". Jednoduchý trenér přijímá jeden sloupec funkcí a jeden sloupec popisku, volitelně také sloupec hmotnosti. Vytvoří "predikční transformátor".

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.