OnlineGradientDescentTrainer Classe

Definizione

Spazio dei nomi:

Microsoft.ML.Trainers

Assembly:

Microsoft.ML.StandardTrainers.dll

Pacchetto:

Microsoft.ML v3.0.1

Oggetto IEstimator<TTransformer> per il training di un modello di regressione lineare usando Online Gradient Descent (OGD) per stimare i parametri del modello di regressione lineare.

public sealed class OnlineGradientDescentTrainer : Microsoft.ML.Trainers.AveragedLinearTrainer<Microsoft.ML.Data.RegressionPredictionTransformer<Microsoft.ML.Trainers.LinearRegressionModelParameters>,Microsoft.ML.Trainers.LinearRegressionModelParameters>

type OnlineGradientDescentTrainer = class
    inherit AveragedLinearTrainer<RegressionPredictionTransformer<LinearRegressionModelParameters>, LinearRegressionModelParameters>

Public NotInheritable Class OnlineGradientDescentTrainer
Inherits AveragedLinearTrainer(Of RegressionPredictionTransformer(Of LinearRegressionModelParameters), LinearRegressionModelParameters)

Ereditarietà

Object

TrainerEstimatorBase<TTransformer,TModel>

OnlineLinearTrainer<TTransformer,TModel>

AveragedLinearTrainer<RegressionPredictionTransformer<LinearRegressionModelParameters>,LinearRegressionModelParameters>

OnlineGradientDescentTrainer

Commenti

Per creare questo trainer, usare OnlineGradientDescent o OnlineGradientDescent(Options).

Colonne di input e output

I dati della colonna dell'etichetta di input devono essere Single. I dati delle colonne delle funzionalità di input devono essere un vettore di dimensioni note di Single.

Questo formatore restituisce le colonne seguenti:

Nome colonna di output	Tipo di colonna	Descrizione
Score	Single	Punteggio non associato stimato dal modello.

Caratteristiche del trainer

Attività di Machine Learning	Regressione
È necessaria la normalizzazione?	Sì
È necessaria la memorizzazione nella cache?	No
NuGet richiesto oltre a Microsoft.ML	Nessuno
Esportabile in ONNX	Sì

Dettagli dell'algoritmo di training

La discesa della sfumatura stochastica usa una tecnica iterativa semplice ma efficiente per adattare i coefficienti di modello usando sfumature di errore per le funzioni di perdita convex. Online Gradient Descent (OGD) implementa la discesa schastica standard (non batch), con una scelta di funzioni di perdita e un'opzione per aggiornare il vettore di peso usando la media dei vettori visualizzati nel tempo (l'argomento medio è impostato su True per impostazione predefinita).

Controllare la sezione Vedere anche i collegamenti agli esempi di utilizzo.

Campi

FeatureColumn	Colonna di funzionalità prevista dal trainer. (Ereditato da TrainerEstimatorBase<TTransformer,TModel>)
LabelColumn	Colonna etichetta prevista dal trainer. Può essere null, che indica che l'etichetta non viene usata per il training. (Ereditato da TrainerEstimatorBase<TTransformer,TModel>)
WeightColumn	Colonna di peso prevista dal trainer. Può essere null, che indica che il peso non viene usato per il training. (Ereditato da TrainerEstimatorBase<TTransformer,TModel>)

Proprietà

Info	Oggetto IEstimator<TTransformer> per il training di un modello di regressione lineare usando Online Gradient Descent (OGD) per stimare i parametri del modello di regressione lineare. (Ereditato da OnlineLinearTrainer<TTransformer,TModel>)

Metodi

Fit(IDataView)	Esegue il training e restituisce un ITransformeroggetto . (Ereditato da TrainerEstimatorBase<TTransformer,TModel>)
Fit(IDataView, LinearModelParameters)	Continua il training di un oggetto usando un OnlineLinearTrainer<TTransformer,TModel> oggetto già sottoposto a modelParameters training e restituisce un ITransformeroggetto . (Ereditato da OnlineLinearTrainer<TTransformer,TModel>)
GetOutputSchema(SchemaShape)	Oggetto IEstimator<TTransformer> per il training di un modello di regressione lineare usando Online Gradient Descent (OGD) per stimare i parametri del modello di regressione lineare. (Ereditato da TrainerEstimatorBase<TTransformer,TModel>)

Metodi di estensione

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

Aggiungere un "checkpoint di memorizzazione nella cache" alla catena di stima. Ciò garantisce che gli estimatori downstream vengano sottoposti a training sui dati memorizzati nella cache. È utile avere un checkpoint di memorizzazione nella cache prima dei training che accettano più passaggi di dati.

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

Dato un stimatore, restituire un oggetto wrapping che chiamerà un delegato una volta Fit(IDataView) chiamato. Spesso è importante che un stimatore restituisca informazioni su ciò che è stato adatto, che è il motivo per cui il Fit(IDataView) metodo restituisce un oggetto tipizzato in modo specifico, anziché solo un oggetto generale ITransformer. Tuttavia, allo stesso tempo, IEstimator<TTransformer> sono spesso formati in pipeline con molti oggetti, quindi potrebbe essere necessario creare una catena di stima tramite EstimatorChain<TLastTransformer> dove lo stimatore per cui si vuole ottenere il trasformatore è sepolto da qualche parte in questa catena. Per questo scenario, è possibile collegare questo metodo a un delegato che verrà chiamato una volta chiamato fit.

Vedi anche

• OnlineGradientDescent(RegressionCatalog+RegressionTrainers, String, String, IRegressionLoss, Single, Boolean, Single, Int32)
• OnlineGradientDescent(RegressionCatalog+RegressionTrainers, OnlineGradientDescentTrainer+Options)
• OnlineGradientDescentTrainer.Options