LightGbmMulticlassTrainer Kelas

Definisi

Ruang nama:

Microsoft.ML.Trainers.LightGbm

Rakitan:

Microsoft.ML.LightGbm.dll

Paket:

Microsoft.ML.LightGbm v3.0.1

IEstimator<TTransformer> untuk melatih model klasifikasi multi-kelas pohon keputusan yang ditingkatkan menggunakan LightGBM.

public sealed class LightGbmMulticlassTrainer : Microsoft.ML.Trainers.LightGbm.LightGbmTrainerBase<Microsoft.ML.Trainers.LightGbm.LightGbmMulticlassTrainer.Options,Microsoft.ML.Data.VBuffer<float>,Microsoft.ML.Data.MulticlassPredictionTransformer<Microsoft.ML.Trainers.OneVersusAllModelParameters>,Microsoft.ML.Trainers.OneVersusAllModelParameters>

type LightGbmMulticlassTrainer = class
    inherit LightGbmTrainerBase<LightGbmMulticlassTrainer.Options, VBuffer<single>, MulticlassPredictionTransformer<OneVersusAllModelParameters>, OneVersusAllModelParameters>

Public NotInheritable Class LightGbmMulticlassTrainer
Inherits LightGbmTrainerBase(Of LightGbmMulticlassTrainer.Options, VBuffer(Of Single), MulticlassPredictionTransformer(Of OneVersusAllModelParameters), OneVersusAllModelParameters)

Warisan

Object

TrainerEstimatorBase<TTransformer,TModel>

TrainerEstimatorBaseWithGroupId<TTransformer,TModel>

LightGbmTrainerBase<LightGbmMulticlassTrainer.Options,VBuffer<Single>,MulticlassPredictionTransformer<OneVersusAllModelParameters>,OneVersusAllModelParameters>

LightGbmMulticlassTrainer

Keterangan

Untuk membuat pelatih ini, gunakan LightGbm atau LightGbm(Options).

Kolom Input dan Output

Data kolom label input harus berupa jenis kunci dan kolom fitur harus merupakan vektor berukuran besar yang diketahui dari Single.

Pelatih ini menghasilkan kolom berikut:

Nama Kolom Output	Jenis Kolom	Deskripsi
Score	Vektor dari Single	Skor semua kelas. Nilai yang lebih tinggi berarti probabilitas yang lebih tinggi untuk masuk ke kelas terkait. Jika elemen i-th memiliki nilai terbesar, indeks label yang diprediksi adalah i. Perhatikan bahwa i adalah indeks berbasis nol.
PredictedLabel	jenis kunci	Indeks label yang diprediksi. Jika nilainya adalah i, label aktual akan menjadi kategori i-th dalam jenis label input bernilai kunci.

Karakteristik Pelatih

Tugas pembelajaran mesin	Klasifikasi multikelas
Apakah normalisasi diperlukan?	Tidak
Apakah penembolokan diperlukan?	Tidak
NuGet yang diperlukan selain Microsoft.ML	Microsoft.ML.LightGbm
Dapat diekspor ke ONNX	Ya

Detail Algoritma Pelatihan

LightGBM adalah implementasi sumber terbuka dari gradien yang meningkatkan pohon keputusan. Untuk detail implementasi, silakan lihat dokumentasi resmi LightGBM atau makalah ini.

Periksa bagian Lihat Juga untuk tautan ke contoh penggunaan.

Bidang

FeatureColumn	Kolom fitur yang diharapkan pelatih. (Diperoleh dari TrainerEstimatorBase<TTransformer,TModel>)
GroupIdColumn	Kolom groupID opsional yang diharapkan pelatih peringkat. (Diperoleh dari TrainerEstimatorBaseWithGroupId<TTransformer,TModel>)
LabelColumn	Kolom label yang diharapkan pelatih. Dapat berupa null, yang menunjukkan bahwa label tidak digunakan untuk pelatihan. (Diperoleh dari TrainerEstimatorBase<TTransformer,TModel>)
WeightColumn	Kolom berat yang diharapkan pelatih. Dapat berupa null, yang menunjukkan bahwa berat tidak digunakan untuk pelatihan. (Diperoleh dari TrainerEstimatorBase<TTransformer,TModel>)

Properti

Info	IEstimator<TTransformer> untuk melatih model klasifikasi multi-kelas pohon keputusan yang ditingkatkan menggunakan LightGBM. (Diperoleh dari LightGbmTrainerBase<TOptions,TOutput,TTransformer,TModel>)

Metode

Fit(IDataView)	Melatih dan mengembalikan ITransformer. (Diperoleh dari TrainerEstimatorBase<TTransformer,TModel>)
Fit(IDataView, IDataView)	LightGbmMulticlassTrainer Melatih menggunakan data pelatihan dan validasi, mengembalikan MulticlassPredictionTransformer<TModel>.
GetOutputSchema(SchemaShape)	IEstimator<TTransformer> untuk melatih model klasifikasi multi-kelas pohon keputusan yang ditingkatkan menggunakan LightGBM. (Diperoleh dari TrainerEstimatorBase<TTransformer,TModel>)

Metode Ekstensi

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

Tambahkan 'titik pemeriksaan penembolokan' ke rantai estimator. Ini akan memastikan bahwa estimator hilir akan dilatih terhadap data cache. Sangat membantu untuk memiliki titik pemeriksaan penembolokan sebelum pelatih yang mengambil beberapa data berlalu.

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

Mengingat estimator, kembalikan objek pembungkus yang akan memanggil delegasi setelah Fit(IDataView) dipanggil. Seringkali penting bagi estimator untuk mengembalikan informasi tentang apa yang cocok, itulah sebabnya Fit(IDataView) metode mengembalikan objek yang di ketik secara khusus, bukan hanya umum ITransformer. Namun, pada saat yang sama, IEstimator<TTransformer> sering dibentuk menjadi alur dengan banyak objek, jadi kita mungkin perlu membangun rantai estimator melalui EstimatorChain<TLastTransformer> di mana estimator yang ingin kita dapatkan transformator dimakamkan di suatu tempat dalam rantai ini. Untuk skenario itu, kita dapat melalui metode ini melampirkan delegasi yang akan dipanggil setelah fit dipanggil.

Lihat juga

• LightGbm(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String, String, Nullable<Int32>, Nullable<Int32>, Nullable<Double>, Int32)
• LightGbm(MulticlassClassificationCatalog+MulticlassClassificationTrainers, LightGbmMulticlassTrainer+Options)
• LightGbmMulticlassTrainer.Options