LightGbmRankingTrainer Classe

Définition

Espace de noms:

Microsoft.ML.Trainers.LightGbm

Assembly:

Microsoft.ML.LightGbm.dll

Paquet:

Microsoft.ML.LightGbm v3.0.1

Pour IEstimator<TTransformer> l’entraînement d’un modèle de classement d’arborescence de décision renforcée à l’aide de LightGBM.

public sealed class LightGbmRankingTrainer : Microsoft.ML.Trainers.LightGbm.LightGbmTrainerBase<Microsoft.ML.Trainers.LightGbm.LightGbmRankingTrainer.Options,float,Microsoft.ML.Data.RankingPredictionTransformer<Microsoft.ML.Trainers.LightGbm.LightGbmRankingModelParameters>,Microsoft.ML.Trainers.LightGbm.LightGbmRankingModelParameters>

type LightGbmRankingTrainer = class
    inherit LightGbmTrainerBase<LightGbmRankingTrainer.Options, single, RankingPredictionTransformer<LightGbmRankingModelParameters>, LightGbmRankingModelParameters>

Public NotInheritable Class LightGbmRankingTrainer
Inherits LightGbmTrainerBase(Of LightGbmRankingTrainer.Options, Single, RankingPredictionTransformer(Of LightGbmRankingModelParameters), LightGbmRankingModelParameters)

Héritage

Object

TrainerEstimatorBase<TTransformer,TModel>

TrainerEstimatorBaseWithGroupId<TTransformer,TModel>

LightGbmTrainerBase<LightGbmRankingTrainer.Options,Single,RankingPredictionTransformer<LightGbmRankingModelParameters>,LightGbmRankingModelParameters>

LightGbmRankingTrainer

Remarques

Pour créer ce formateur, utilisez LightGbm ou LightGbm(Options).

Colonnes d’entrée et de sortie

Le type de données des étiquettes d’entrée doit être de type clé ou Single. La valeur de l’étiquette détermine la pertinence, une valeur supérieure indiquant une pertinence plus élevée. Si l’étiquette est un type clé, l’index de clé est la valeur de la pertinence, le plus petit index étant le moins pertinent. Si l’étiquette est un Single, une valeur plus grande indique une pertinence plus élevée. La colonne de caractéristiques doit être un vecteur de taille connue de la colonne de groupe de Single lignes d’entrée et doit être de type clé .

Ce formateur génère les colonnes suivantes :

Nom de colonne de sortie	Type de colonne	Description
Score	Single	Score non lié calculé par le modèle pour déterminer la prédiction.

Caractéristiques de l’entraîneur

Tâche d’apprentissage automatique	Classement
La normalisation est-elle requise ?	Non
La mise en cache est-elle requise ?	Non
NuGet requis en plus de Microsoft.ML	Microsoft.ML.LightGbm
Exportable vers ONNX	Non

Détails de l’algorithme d’apprentissage

LightGBM est une implémentation open source de l’arbre de décision de renforcement de dégradé. Pour plus d’informations sur l’implémentation, consultez la documentation officielle de LightGBM ou ce document.

Consultez la section Voir également pour obtenir des liens vers des exemples d’utilisation.

Champs

FeatureColumn	Colonne de caractéristique attendue par l’entraîneur. (Hérité de TrainerEstimatorBase<TTransformer,TModel>)
GroupIdColumn	Colonne groupID facultative attendue par les formateurs de classement. (Hérité de TrainerEstimatorBaseWithGroupId<TTransformer,TModel>)
LabelColumn	Colonne d’étiquette attendue par le formateur. Peut être null, ce qui indique que l’étiquette n’est pas utilisée pour l’entraînement. (Hérité de TrainerEstimatorBase<TTransformer,TModel>)
WeightColumn	Colonne de poids attendue par l’entraîneur. Peut être null, ce qui indique que le poids n’est pas utilisé pour l’entraînement. (Hérité de TrainerEstimatorBase<TTransformer,TModel>)

Propriétés

Info	Pour IEstimator<TTransformer> l’entraînement d’un modèle de classement d’arborescence de décision renforcée à l’aide de LightGBM. (Hérité de LightGbmTrainerBase<TOptions,TOutput,TTransformer,TModel>)

Méthodes

Fit(IDataView)	Entraîne et retourne un ITransformer. (Hérité de TrainerEstimatorBase<TTransformer,TModel>)
Fit(IDataView, IDataView)	Effectue l’apprentissage à LightGbmRankingTrainer l’aide de données d’entraînement et de validation, retourne un RankingPredictionTransformer<TModel>.
GetOutputSchema(SchemaShape)	Pour IEstimator<TTransformer> l’entraînement d’un modèle de classement d’arborescence de décision renforcée à l’aide de LightGBM. (Hérité de TrainerEstimatorBase<TTransformer,TModel>)

Méthodes d’extension

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

Ajoutez un « point de contrôle de mise en cache » à la chaîne d’estimateur. Cela garantit que les estimateurs en aval seront entraînés par rapport aux données mises en cache. Il est utile d’avoir un point de contrôle de mise en cache avant les formateurs qui prennent plusieurs passes de données.

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

Étant donné un estimateur, retournez un objet de création de package de package qui appellera un délégué une fois Fit(IDataView) appelé. Il est souvent important pour un estimateur de retourner des informations sur ce qui a été adapté, c’est pourquoi la Fit(IDataView) méthode retourne un objet spécifiquement typé, plutôt que simplement un général ITransformer. Toutefois, en même temps, IEstimator<TTransformer> sont souvent formés en pipelines avec de nombreux objets. Nous pouvons donc avoir besoin de créer une chaîne d’estimateurs via EstimatorChain<TLastTransformer> laquelle l’estimateur pour lequel nous voulons obtenir le transformateur est enterré quelque part dans cette chaîne. Pour ce scénario, nous pouvons par le biais de cette méthode attacher un délégué qui sera appelé une fois l’ajustement appelé.

Voir aussi

• LightGbm(RankingCatalog+RankingTrainers, String, String, String, String, Nullable<Int32>, Nullable<Int32>, Nullable<Double>, Int32)
• LightGbm(RankingCatalog+RankingTrainers, LightGbmRankingTrainer+Options)
• LightGbmRankingTrainer.Options