SdcaBinaryTrainerBase<TModelParameters> Clase

Definición

Espacio de nombres:

Microsoft.ML.Trainers

Ensamblado:

Microsoft.ML.StandardTrainers.dll

Paquete:

Microsoft.ML v3.0.1

SDCA es un algoritmo de entrenamiento general para modelos lineales (generalizados), como la máquina de vectores de soporte, la regresión lineal, la regresión logística, etc. La familia de instructores de clasificación binaria sdCA incluye varios miembros sellados: (1) SdcaNonCalibratedBinaryTrainer admite funciones de pérdida general y devuelve LinearBinaryModelParameters. (2) SdcaLogisticRegressionBinaryTrainer básicamente entrena un modelo de regresión logística regularizada. Dado que la regresión logística proporciona naturalmente la salida de probabilidad, el tipo del modelo generado es CalibratedModelParametersBase<TSubModel,TCalibrator>. donde TSubModel es LinearBinaryModelParameters y TCalibrator es PlattCalibrator.

public abstract class SdcaBinaryTrainerBase<TModelParameters> : Microsoft.ML.Trainers.SdcaTrainerBase<Microsoft.ML.Trainers.SdcaBinaryTrainerBase<TModelParameters>.BinaryOptionsBase,Microsoft.ML.Data.BinaryPredictionTransformer<TModelParameters>,TModelParameters> where TModelParameters : class

type SdcaBinaryTrainerBase<'ModelParameters (requires 'ModelParameters : null)> = class
    inherit SdcaTrainerBase<SdcaBinaryTrainerBase<'ModelParameters>.BinaryOptionsBase, BinaryPredictionTransformer<'ModelParameters>, 'ModelParameters (requires 'ModelParameters : null)>

Public MustInherit Class SdcaBinaryTrainerBase(Of TModelParameters)
Inherits SdcaTrainerBase(Of SdcaBinaryTrainerBase(Of TModelParameters).BinaryOptionsBase, BinaryPredictionTransformer(Of TModelParameters), TModelParameters)

Parámetros de tipo

TModelParameters

Herencia

Object

TrainerEstimatorBase<TTransformer,TModel>

StochasticTrainerBase<TTransformer,TModel>

SdcaTrainerBase<SdcaBinaryTrainerBase<TModelParameters>.BinaryOptionsBase,BinaryPredictionTransformer<TModelParameters>,TModelParameters>

SdcaBinaryTrainerBase<TModelParameters>

Derivado

Microsoft.ML.Trainers.SdcaLogisticRegressionBinaryTrainer

Microsoft.ML.Trainers.SdcaNonCalibratedBinaryTrainer

Campos

FeatureColumn	Columna de características que espera el instructor. (Heredado de TrainerEstimatorBase<TTransformer,TModel>)
LabelColumn	Columna de etiqueta que espera el instructor. Puede ser null, que indica que la etiqueta no se usa para el entrenamiento. (Heredado de TrainerEstimatorBase<TTransformer,TModel>)
WeightColumn	Columna de peso que espera el entrenador. Puede ser null, lo que indica que el peso no se usa para el entrenamiento. (Heredado de TrainerEstimatorBase<TTransformer,TModel>)

Propiedades

Info

SDCA es un algoritmo de entrenamiento general para modelos lineales (generalizados), como la máquina de vectores de soporte, la regresión lineal, la regresión logística, etc. La familia de instructores de clasificación binaria sdCA incluye varios miembros sellados: (1) SdcaNonCalibratedBinaryTrainer admite funciones de pérdida general y devuelve LinearBinaryModelParameters. (2) SdcaLogisticRegressionBinaryTrainer básicamente entrena un modelo de regresión logística regularizada. Dado que la regresión logística proporciona naturalmente la salida de probabilidad, el tipo del modelo generado es CalibratedModelParametersBase<TSubModel,TCalibrator>. donde TSubModel es LinearBinaryModelParameters y TCalibrator es PlattCalibrator.

Métodos

Fit(IDataView)

Entrena y devuelve un ITransformerobjeto . (Heredado de TrainerEstimatorBase<TTransformer,TModel>)

GetOutputSchema(SchemaShape)

SDCA es un algoritmo de entrenamiento general para modelos lineales (generalizados), como la máquina de vectores de soporte, la regresión lineal, la regresión logística, etc. La familia de instructores de clasificación binaria sdCA incluye varios miembros sellados: (1) SdcaNonCalibratedBinaryTrainer admite funciones de pérdida general y devuelve LinearBinaryModelParameters. (2) SdcaLogisticRegressionBinaryTrainer básicamente entrena un modelo de regresión logística regularizada. Dado que la regresión logística proporciona naturalmente la salida de probabilidad, el tipo del modelo generado es CalibratedModelParametersBase<TSubModel,TCalibrator>. donde TSubModel es LinearBinaryModelParameters y TCalibrator es PlattCalibrator. (Heredado de TrainerEstimatorBase<TTransformer,TModel>)

Métodos de extensión

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

Anexe un "punto de control de almacenamiento en caché" a la cadena del estimador. Esto garantizará que los estimadores de bajada se entrenarán con datos almacenados en caché. Resulta útil tener un punto de control de almacenamiento en caché antes de que los instructores tomen varios pases de datos.

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

Dado un estimador, devuelva un objeto de ajuste que llamará a un delegado una vez Fit(IDataView) . A menudo, es importante que un estimador devuelva información sobre lo que cabe, por lo que el Fit(IDataView) método devuelve un objeto con tipo específico, en lugar de simplemente un general ITransformer. Sin embargo, al mismo tiempo, IEstimator<TTransformer> a menudo se forman en canalizaciones con muchos objetos, por lo que es posible que tengamos que crear una cadena de estimadores a través EstimatorChain<TLastTransformer> de donde el estimador para el que queremos obtener el transformador se enterró en algún lugar de esta cadena. En ese escenario, podemos a través de este método adjuntar un delegado al que se llamará una vez que se llame a fit.