LbfgsTrainerBase<TOptions,TTransformer,TModel>.OptionsBase Classe

Définition

Espace de noms:

Microsoft.ML.Trainers

Assembly:

Microsoft.ML.StandardTrainers.dll

Paquet:

Microsoft.ML v3.0.1

Classe d’options de base pour les estimateurs de formateur dérivésLbfgsTrainerBase<TOptions,TTransformer,TModel>.

public abstract class LbfgsTrainerBase<TOptions,TTransformer,TModel>.OptionsBase : Microsoft.ML.Trainers.TrainerInputBaseWithWeight where TOptions : LbfgsTrainerBase<TOptions,TTransformer,TModel>.OptionsBase, new() where TTransformer : ISingleFeaturePredictionTransformer<TModel> where TModel : class

type LbfgsTrainerBase<'Options, 'ransformer, 'Model (requires 'Options :> LbfgsTrainerBase<'Options, 'ransformer, 'Model>.OptionsBase and 'Options : (new : unit -> 'Options) and 'ransformer :> ISingleFeaturePredictionTransformer<'Model> and 'Model : null)>.OptionsBase = class
    inherit TrainerInputBaseWithWeight

Public MustInherit Class LbfgsTrainerBase(Of TOptions, TTransformer, TModel).OptionsBase
Inherits TrainerInputBaseWithWeight

Paramètres de type

TOptions

TTransformer

TModel

Héritage

Object

TrainerInputBase

TrainerInputBaseWithLabel

TrainerInputBaseWithWeight

LbfgsTrainerBase<TOptions,TTransformer,TModel>.OptionsBase

Dérivé

Microsoft.ML.Trainers.LbfgsLogisticRegressionBinaryTrainer.Options

Microsoft.ML.Trainers.LbfgsMaximumEntropyMulticlassTrainer.Options

Microsoft.ML.Trainers.LbfgsPoissonRegressionTrainer.Options

Constructeurs

LbfgsTrainerBase<TOptions,TTransformer,TModel>.OptionsBase()

Classe d’options de base pour les estimateurs de formateur dérivésLbfgsTrainerBase<TOptions,TTransformer,TModel>.

Champs

DenseOptimizer	Forcer lansification des vecteurs d’optimisation interne. La valeur par défaut est false.
EnforceNonNegativity	Appliquer des pondérations non négatives. La valeur par défaut est false.
ExampleWeightColumnName	Colonne à utiliser par exemple. (Hérité de TrainerInputBaseWithWeight)
FeatureColumnName	Colonne à utiliser pour les fonctionnalités. (Hérité de TrainerInputBase)
HistorySize	Nombre d’itérations précédentes à mémoriser pour estimer le Hessian. Les valeurs inférieures signifient des estimations plus rapides mais moins précises.
InitialWeightsDiameter	Échelle des pondérations initiales.
L1Regularization	Poids de régularisation L1.
L2Regularization	Poids de régularisation L2.
LabelColumnName	Colonne à utiliser pour les étiquettes. (Hérité de TrainerInputBaseWithLabel)
MaximumNumberOfIterations	Nombre d’itérations.
NumberOfThreads	Le nombre de threads. Null signifie utiliser le nombre de processeurs.
OptimizationTolerance	Paramètre de tolérance pour la convergence d’optimisation. (Faible = plus lent, plus précis).
Quiet	Détermine s’il faut produire une sortie pendant l’entraînement ou non.
StochasticGradientDescentInitilaizationTolerance	Exécutez SGD pour initialiser les pondérations LR, convergeant vers cette tolérance.