Condividi tramite


SdcaMaximumEntropyMulticlassTrainer Classe

Definizione

Oggetto IEstimator<TTransformer> per stimare una destinazione usando un classificatore multiclasse di entropia massimo. Il modello MaximumEntropyModelParameters sottoposto a training produce probabilità di classi.

public sealed class SdcaMaximumEntropyMulticlassTrainer : Microsoft.ML.Trainers.SdcaMulticlassTrainerBase<Microsoft.ML.Trainers.MaximumEntropyModelParameters>
type SdcaMaximumEntropyMulticlassTrainer = class
    inherit SdcaMulticlassTrainerBase<MaximumEntropyModelParameters>
Public NotInheritable Class SdcaMaximumEntropyMulticlassTrainer
Inherits SdcaMulticlassTrainerBase(Of MaximumEntropyModelParameters)
Ereditarietà

Commenti

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

Colonne di input e output

I dati della colonna dell'etichetta di input devono essere di tipo chiave e la colonna di funzionalità deve essere un vettore di dimensioni note di Single.

Questo formatore restituisce le colonne seguenti:

Nome colonna di output Tipo di colonna Descrizione
Score Vettore di Single I punteggi di tutte le classi. Valori più alti indicano maggiori probabilità di rientrare nella classe associata. Se l'elemento i-esimo ha il valore più elevato, l'indice delle etichette stimate sarà i. Si noti che i è l'indice a base zero.
PredictedLabel tipo di chiave L'indice dell'etichetta stimata. Se il valore è i, l'etichetta effettiva potrebbe essere la categoria i-esima nel tipo di etichetta di input con valori key.

Caratteristiche del trainer

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

Funzione di assegnazione dei punteggi

Questo esegue il training di un modello lineare per risolvere i problemi di classificazione multiclasse. Si supponga che il numero di classi sia $m$ e il numero di funzionalità sia $n$. Assegna alla classe $c$-th un vettore coefficiente $\textbf{w}_c \in {\mathbb R}^n$ e un $b_c \in {\mathbb R}$, per $c=1,\dots,m$. Dato un vettore di funzionalità $\textbf{x} \in {\mathbb R}^n$, il punteggio della classe $c$-th sarà $\tilde{P}(c}(c | \textbf{x}) = \frac{ e^{\hat{y}^c} }{ \sum_{c' = 1}^m e^{hat{y}^{c'}} }$, dove $\hat{y}^c = \textbf{w}_c^T \textbf{x} + b_c$. Si noti che $\tilde{P}(c | \textbf{x})$ è la probabilità di osservare la classe $c$ quando il vettore di funzionalità è $\textbf{x}$.

Dettagli dell'algoritmo di training

Vedere la documentazione di SdcaMulticlassTrainerBase.

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 stimare una destinazione usando un classificatore multiclasse di entropia massimo. Il modello MaximumEntropyModelParameters sottoposto a training produce probabilità di classi.

(Ereditato da StochasticTrainerBase<TTransformer,TModel>)

Metodi

Fit(IDataView)

Esegue il training e restituisce un ITransformeroggetto .

(Ereditato da TrainerEstimatorBase<TTransformer,TModel>)
GetOutputSchema(SchemaShape)

Oggetto IEstimator<TTransformer> per stimare una destinazione usando un classificatore multiclasse di entropia massimo. Il modello MaximumEntropyModelParameters sottoposto a training produce probabilità di classi.

(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.

Si applica a

Vedi anche