PriorTrainer Klasse

Definition

Namespace:

Microsoft.ML.Trainers

Assembly:

Microsoft.ML.StandardTrainers.dll

Paket:

Microsoft.ML v3.0.1

Die IEstimator<TTransformer> für die Vorhersage eines Ziels mithilfe eines binären Klassifizierungsmodells.

public sealed class PriorTrainer : Microsoft.ML.IEstimator<Microsoft.ML.Data.BinaryPredictionTransformer<Microsoft.ML.Trainers.PriorModelParameters>>, Microsoft.ML.Trainers.ITrainerEstimator<Microsoft.ML.Data.BinaryPredictionTransformer<Microsoft.ML.Trainers.PriorModelParameters>,Microsoft.ML.Trainers.PriorModelParameters>

type PriorTrainer = class
    interface ITrainerEstimator<BinaryPredictionTransformer<PriorModelParameters>, PriorModelParameters>
    interface IEstimator<BinaryPredictionTransformer<PriorModelParameters>>

Public NotInheritable Class PriorTrainer
Implements IEstimator(Of BinaryPredictionTransformer(Of PriorModelParameters)), ITrainerEstimator(Of BinaryPredictionTransformer(Of PriorModelParameters), PriorModelParameters)

Vererbung

Object

PriorTrainer

Implementiert

IEstimator<BinaryPredictionTransformer<PriorModelParameters>> IEstimator<TTransformer> ITrainerEstimator<BinaryPredictionTransformer<PriorModelParameters>,PriorModelParameters>

Hinweise

Um diesen Trainer zu erstellen, verwenden Sie Prior

Eingabe- und Ausgabespalten

Die Daten in der Spalte für die Eingabezeichnung müssen Boolean sein. Die Eingabefeatures-Spaltendaten müssen ein bekannter Vektor von Single.

Der Trainer gibt folgende Spalten aus:

Name der Ausgabespalte	Spaltentyp	BESCHREIBUNG
Score	Single	Die von dem Modell berechnete ungebundene Bewertung.
PredictedLabel	Boolean	Der vorhergesagte Bezeichnung, basierend auf dem Abzeichnen der Bewertung. Eine negative Bewertung wird false und eine positive Bewertung wird true zugeordnet.
Probability	Single	Die Wahrscheinlichkeit, die durch die Kalibrierung der Bewertung des True-Werts als Bezeichnung berechnet wird. Der Wahrscheinlichkeitswert befindet sich im Bereich [0, 1].

Trainereigenschaften

ML-Aufgabe	Binäre Klassifizierung
Ist die Normalisierung erforderlich?	No
Ist zwischenspeichern erforderlich?	No
Erforderliche NuGet zusätzlich zu Microsoft.ML	Keine
Exportierbar in ONNX	Yes

Schulungsalgorithmusdetails

Hier erfahren Sie, wie Sie die vorherige Verteilung für Klassenbezeichnungen und Ausgabeen für 0/1 erhalten.

Überprüfen Sie den Abschnitt "Siehe auch", um Links zu Verwendungsbeispielen zu finden.

Eigenschaften

Info	Hilfsinformationen über den Trainer in Bezug auf seine Fähigkeiten und Anforderungen.

Methoden

Fit(IDataView)	Züge und zurückgeben eine BinaryPredictionTransformer<TModel>.
GetOutputSchema(SchemaShape)	Gibt das SchemaShape Schema zurück, das vom Transformator erzeugt wird. Wird für die Schemavermehrung und Überprüfung in einer Pipeline verwendet.

Erweiterungsmethoden

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

Fügen Sie einen "Zwischenspeicherpunkt" an die Stimatorkette an. Dadurch wird sichergestellt, dass die nachgelagerten Stimatoren gegen zwischengespeicherte Daten trainiert werden. Es ist hilfreich, einen Cache-Prüfpunkt zu haben, bevor Trainer, die mehrere Daten übergeben.

WithOnFitDelegate<TTransformer>(IEstimator<TTransformer>, Action<TTransformer>)

Geben Sie aufgrund einer Schätzung ein Umbruchobjekt zurück, das einen Stellvertretung aufruft, sobald Fit(IDataView) er aufgerufen wird. Es ist oft wichtig, dass eine Schätzung Informationen zu dem zurückgibt, was passt, weshalb die Fit(IDataView) Methode ein spezifisches typiertes Objekt zurückgibt, anstatt nur ein allgemeines ITransformer. Gleichzeitig IEstimator<TTransformer> werden jedoch oft Pipelines mit vielen Objekten gebildet, sodass wir möglicherweise eine Kette von EstimatorChain<TLastTransformer> Schätzern erstellen müssen, über die der Schätzer, für den wir den Transformator erhalten möchten, irgendwo in dieser Kette begraben wird. Für dieses Szenario können wir über diese Methode eine Stellvertretung anfügen, die einmal aufgerufen wird, wenn die Anpassung aufgerufen wird.

Weitere Informationen

• Prior(BinaryClassificationCatalog+BinaryClassificationTrainers, String, String)