SgdBinaryTrainerBase<TModel>.OptionsBase Kelas

Referensi

Definisi

Ruang nama:: Microsoft.ML.Trainers

Rakitan:: Microsoft.ML.StandardTrainers.dll

Paket:: Microsoft.ML v3.0.1

Paket:: Microsoft.ML v1.0.0

Paket:: Microsoft.ML v1.1.0

Paket:: Microsoft.ML v1.2.0

Paket:: Microsoft.ML v1.3.1

Paket:: Microsoft.ML v1.4.0

Paket:: Microsoft.ML v1.5.5

Paket:: Microsoft.ML v1.6.0

Paket:: Microsoft.ML v1.7.0

Paket:: Microsoft.ML v2.0.0

Penting

Beberapa informasi terkait produk prarilis yang dapat diubah secara signifikan sebelum dirilis. Microsoft tidak memberikan jaminan, tersirat maupun tersurat, sehubungan dengan informasi yang diberikan di sini.

public class SgdBinaryTrainerBase<TModel>.OptionsBase : Microsoft.ML.Trainers.TrainerInputBaseWithWeight where TModel : class

type SgdBinaryTrainerBase<'Model (requires 'Model : null)>.OptionsBase = class
    inherit TrainerInputBaseWithWeight

Public Class SgdBinaryTrainerBase(Of TModel).OptionsBase
Inherits TrainerInputBaseWithWeight

Jenis parameter

TModel

Warisan: Object

TrainerInputBase

TrainerInputBaseWithLabel

TrainerInputBaseWithWeight
SgdBinaryTrainerBase<TModel>.OptionsBase

Turunan: Microsoft.ML.Trainers.SgdCalibratedTrainer.Options

Microsoft.ML.Trainers.SgdNonCalibratedTrainer.Options

Konstruktor

SgdBinaryTrainerBase<TModel>.OptionsBase()

Bidang

CheckFrequency	Menentukan frekuensi pemeriksaan konvergensi dalam hal jumlah iterasi.
ConvergenceTolerance	Toleransi konvergensi. Jika rata-rata bergerak eksponensial pengurangan kerugian berada di bawah toleransi ini, algoritma dianggap telah terkonvergensi dan akan berhenti.
ExampleWeightColumnName	Kolom yang akan digunakan misalnya berat. (Diperoleh dari TrainerInputBaseWithWeight)
FeatureColumnName	Kolom yang digunakan untuk fitur. (Diperoleh dari TrainerInputBase)
L2Regularization	Berat L2 untuk regularisasi.
LabelColumnName	Kolom yang digunakan untuk label. (Diperoleh dari TrainerInputBaseWithLabel)
LearningRate	Tingkat pembelajaran awal yang digunakan oleh SGD.
NumberOfIterations	Jumlah maksimum melewati himpunan data pelatihan.
NumberOfThreads	Tingkat paralelisme bebas kunci yang digunakan oleh SGD.
PositiveInstanceWeight	Bobot yang akan diterapkan ke kelas positif. Ini berguna untuk pelatihan dengan data yang tidak seimbang.
Shuffle	Menentukan apakah akan mengacak data untuk setiap perulangan pelatihan.

Berlaku untuk

Bagikan melalui