SdcaBinaryTrainerBase<TModelParameters> Kelas

Definisi

Ruang nama:

Microsoft.ML.Trainers

Rakitan:

Microsoft.ML.StandardTrainers.dll

Paket:

Microsoft.ML v3.0.1

SDCA adalah algoritma pelatihan umum untuk model linier (umum) seperti mesin vektor pendukung, regresi linier, regresi logistik, dan sebagainya. Keluarga pelatih klasifikasi biner SDCA mencakup beberapa anggota yang disegel: (1) SdcaNonCalibratedBinaryTrainer mendukung fungsi kehilangan umum dan mengembalikan LinearBinaryModelParameters. (2) SdcaLogisticRegressionBinaryTrainer pada dasarnya melatih model regresi logistik reguler. Karena regresi logistik secara alami memberikan output probabilitas, jenis model yang dihasilkan ini adalah CalibratedModelParametersBase<TSubModel,TCalibrator>. di mana TSubModel adalah LinearBinaryModelParameters dan TCalibrator adalah 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)

Jenis parameter

TModelParameters

Warisan

Object

TrainerEstimatorBase<TTransformer,TModel>

StochasticTrainerBase<TTransformer,TModel>

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

SdcaBinaryTrainerBase<TModelParameters>

Turunan

Microsoft.ML.Trainers.SdcaLogisticRegressionBinaryTrainer

Microsoft.ML.Trainers.SdcaNonCalibratedBinaryTrainer

Bidang

FeatureColumn	Kolom fitur yang diharapkan pelatih. (Diperoleh dari TrainerEstimatorBase<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

SDCA adalah algoritma pelatihan umum untuk model linier (umum) seperti mesin vektor pendukung, regresi linier, regresi logistik, dan sebagainya. Keluarga pelatih klasifikasi biner SDCA mencakup beberapa anggota yang disegel: (1) SdcaNonCalibratedBinaryTrainer mendukung fungsi kehilangan umum dan mengembalikan LinearBinaryModelParameters. (2) SdcaLogisticRegressionBinaryTrainer pada dasarnya melatih model regresi logistik reguler. Karena regresi logistik secara alami memberikan output probabilitas, jenis model yang dihasilkan ini adalah CalibratedModelParametersBase<TSubModel,TCalibrator>. di mana TSubModel adalah LinearBinaryModelParameters dan TCalibrator adalah PlattCalibrator.

Metode

Fit(IDataView)

Melatih dan mengembalikan ITransformer. (Diperoleh dari TrainerEstimatorBase<TTransformer,TModel>)

GetOutputSchema(SchemaShape)

SDCA adalah algoritma pelatihan umum untuk model linier (umum) seperti mesin vektor pendukung, regresi linier, regresi logistik, dan sebagainya. Keluarga pelatih klasifikasi biner SDCA mencakup beberapa anggota yang disegel: (1) SdcaNonCalibratedBinaryTrainer mendukung fungsi kehilangan umum dan mengembalikan LinearBinaryModelParameters. (2) SdcaLogisticRegressionBinaryTrainer pada dasarnya melatih model regresi logistik reguler. Karena regresi logistik secara alami memberikan output probabilitas, jenis model yang dihasilkan ini adalah CalibratedModelParametersBase<TSubModel,TCalibrator>. di mana TSubModel adalah LinearBinaryModelParameters dan TCalibrator adalah PlattCalibrator. (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.