MLContext(Nullable<Int32>) Costruttore
Definizione
Importante
Alcune informazioni sono relative alla release non definitiva del prodotto, che potrebbe subire modifiche significative prima della release definitiva. Microsoft non riconosce alcuna garanzia, espressa o implicita, in merito alle informazioni qui fornite.
Creare il contesto di Machine Learning.
public MLContext (int? seed = default);new Microsoft.ML.MLContext : Nullable<int> -> Microsoft.ML.MLContextPublic Sub New (Optional seed As Nullable(Of Integer) = Nothing)Parametri
Inizializzazione del generatore di numeri casuali di MLContext. Per ulteriori informazioni, vedere la sezione Osservazioni.
Commenti
Molte operazioni in ML.NET richiedono casualità, ad esempio la sequenza casuale dei dati, il campionamento casuale, l'inizializzazione casuale dei parametri, la permutazione casuale, la selezione di funzionalità casuali e molti altri ancora. Il generatore di numeri casuali di MLContext è la fonte globale di casualità per tutte queste operazioni casuali.
Se viene fornito un valore di inizializzazione fisso da seed, l'ambiente MLContext diventa deterministico, ovvero i risultati sono ripetibili e rimarranno uguali tra più esecuzioni. Ad esempio, in molti frammenti di codice di riferimento dell'API di ML.NET, viene fornito un valore di inizializzazione. Questo perché si vuole che gli utenti ottengano lo stesso output di quello incluso nei commenti di esempio, quando eseguono l'esempio nel proprio computer.
In genere, la ripetibilità non è un requisito ed è il comportamento predefinito. Se un valore di inizializzazione non viene fornito da seed, ad esempio è impostato su null, l'ambiente MLContext diventa non deterministico e restituisce le modifiche tra più esecuzioni.
Esistono molte operazioni in ML.NET che non usano alcuna casualità, ad esempio la normalizzazione min-max, la concatenazione di colonne, l'indicazione del valore mancante e così via. Il comportamento di tali operazioni è deterministico indipendentemente dal valore di inizializzazione.
Inoltre, ML.NET i formatori non usano casualità *dopo la fine del training. Quindi, le stime di un modello caricato non dipendono dal valore di inizializzazione.