SymbolicSgdLogisticRegressionBinaryTrainer.Options Kelas

Definisi

Ruang nama:

Microsoft.ML.Trainers

Rakitan:

Microsoft.ML.Mkl.Components.dll

Paket:

Microsoft.ML.Mkl.Components v5.0.0-preview.1.25125.4

Sumber:

SymSgdClassificationTrainer.cs

Opsi untuk seperti yang SymbolicSgdLogisticRegressionBinaryTrainer digunakan dalam SymbolicSgdLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, SymbolicSgdLogisticRegressionBinaryTrainer+Options).

C#

public sealed class SymbolicSgdLogisticRegressionBinaryTrainer.Options : Microsoft.ML.Trainers.TrainerInputBaseWithLabel

Warisan

Object

TrainerInputBase

TrainerInputBaseWithLabel

SymbolicSgdLogisticRegressionBinaryTrainer.Options

Konstruktor

SymbolicSgdLogisticRegressionBinaryTrainer.Options()

Opsi untuk seperti yang SymbolicSgdLogisticRegressionBinaryTrainer digunakan dalam SymbolicSgdLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, SymbolicSgdLogisticRegressionBinaryTrainer+Options).

Bidang

FeatureColumnName	Kolom yang digunakan untuk fitur. (Diperoleh dari TrainerInputBase)
L2Regularization	Regularisasi L2.
LabelColumnName	Kolom yang digunakan untuk label. (Diperoleh dari TrainerInputBaseWithLabel)
LearningRate	Tingkat pembelajaran. Nilai yang lebih besar berpotensi mengurangi waktu pelatihan tetapi menimbulkan ketidakstabilan numerik dan terlalu pas.
MemorySize	Anggaran memori akselerasi dalam MB.
NumberOfIterations	Jumlah lintasan data.
NumberOfThreads	Tingkat paralelisme bebas kunci. Determinisme tidak dijamin jika ini diatur ke lebih tinggi dari 1. Nilai default adalah jumlah inti logis yang tersedia di sistem.
PositiveInstanceWeight	Terapkan bobot ke kelas positif, untuk data yang tidak seimbang.
Shuffle	Atur ke true menyebabkan data diacak.
Tolerance	Toleransi untuk perbedaan kerugian rata-rata dalam melewati berturut-turut. Jika pengurangan kerugian lebih kecil dari toleransi yang ditentukan dalam satu iterasi, proses pelatihan akan dihentikan.
UpdateFrequency	Jumlah iterasi setiap utas mempelajari model lokal hingga menggabungkannya dengan model global. Nilai rendah berarti model global yang lebih diperbarui dan nilai tinggi berarti lebih sedikit lalu lintas cache.

Berlaku untuk