LightGbmRegressionTrainer Classe

Définition

Espace de noms:

Microsoft.ML.Trainers.LightGbm

Assembly:

Microsoft.ML.LightGbm.dll

Paquet:

Microsoft.ML.LightGbm v3.0.1

Pour IEstimator<TTransformer> entraîner un modèle de régression d’arbre de décision optimisé à l’aide de LightGBM.

public sealed class LightGbmRegressionTrainer : Microsoft.ML.Trainers.LightGbm.LightGbmTrainerBase<Microsoft.ML.Trainers.LightGbm.LightGbmRegressionTrainer.Options,float,Microsoft.ML.Data.RegressionPredictionTransformer<Microsoft.ML.Trainers.LightGbm.LightGbmRegressionModelParameters>,Microsoft.ML.Trainers.LightGbm.LightGbmRegressionModelParameters>

type LightGbmRegressionTrainer = class
    inherit LightGbmTrainerBase<LightGbmRegressionTrainer.Options, single, RegressionPredictionTransformer<LightGbmRegressionModelParameters>, LightGbmRegressionModelParameters>

Public NotInheritable Class LightGbmRegressionTrainer
Inherits LightGbmTrainerBase(Of LightGbmRegressionTrainer.Options, Single, RegressionPredictionTransformer(Of LightGbmRegressionModelParameters), LightGbmRegressionModelParameters)

Héritage

Object

TrainerEstimatorBase<TTransformer,TModel>

TrainerEstimatorBaseWithGroupId<TTransformer,TModel>

LightGbmTrainerBase<LightGbmRegressionTrainer.Options,Single,RegressionPredictionTransformer<LightGbmRegressionModelParameters>,LightGbmRegressionModelParameters>

LightGbmRegressionTrainer

Remarques

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

Colonnes d’entrée et de sortie

Les données de la colonne d’étiquettes d’entrée doivent être Single. Les données de colonne des caractéristiques d’entrée doivent être un vecteur de taille connue de Single.

Ce formateur génère les colonnes suivantes :

Nom de colonne de sortie	Type de colonne	Description
Score	Single	Score non lié prédit par le modèle.

Caractéristiques de l’entraîneur

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

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 aussi 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 l’entraîneur. 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> entraîner un modèle de régression d’arbre de décision optimisé à l’aide de LightGBM. (Hérité de LightGbmTrainerBase<TOptions,TOutput,TTransformer,TModel>)

Méthodes

Fit(IDataView)	Effectue l’apprentissage et retourne un ITransformer. (Hérité de TrainerEstimatorBase<TTransformer,TModel>)
Fit(IDataView, IDataView)	Effectue l’apprentissage d’une utilisation à la fois des données d’entraînement LightGbmRegressionTrainer et de validation, retourne un RegressionPredictionTransformer<TModel>.
GetOutputSchema(SchemaShape)	Pour IEstimator<TTransformer> entraîner un modèle de régression d’arbre de décision optimisé 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 restrictions qui appellera un délégué une fois Fit(IDataView) appelé. Il est souvent important qu’un estimateur retourne des informations sur ce qui était 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 par EstimatorChain<TLastTransformer> le biais de 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(RegressionCatalog+RegressionTrainers, String, String, String, Nullable<Int32>, Nullable<Int32>, Nullable<Double>, Int32)
• LightGbm(RegressionCatalog+RegressionTrainers, LightGbmRegressionTrainer+Options)
• LightGbmRegressionTrainer.Options