TrainerEstimatorBase<TTransformer,TModel> Classe

Definizione

Spazio dei nomi:

Microsoft.ML.Trainers

Assembly:

Microsoft.ML.Data.dll

Pacchetto:

Microsoft.ML v3.0.1

Ciò rappresenta una classe di base per "semplice allenatore". Un 'trainer semplice' accetta una colonna di funzionalità e una colonna etichetta, anche facoltativamente una colonna di peso. Produce un "trasformatore di stima".

public abstract class TrainerEstimatorBase<TTransformer,TModel> : Microsoft.ML.IEstimator<TTransformer>, Microsoft.ML.Trainers.ITrainerEstimator<TTransformer,TModel> where TTransformer : ISingleFeaturePredictionTransformer<TModel> where TModel : class

type TrainerEstimatorBase<'ransformer, 'Model (requires 'ransformer :> ISingleFeaturePredictionTransformer<'Model> and 'Model : null)> = class
    interface ITrainerEstimator<'ransformer, 'Model (requires 'ransformer :> ISingleFeaturePredictionTransformer<'Model> and 'Model : null)>
    interface IEstimator<'ransformer (requires 'ransformer :> ISingleFeaturePredictionTransformer<'Model>)>

Public MustInherit Class TrainerEstimatorBase(Of TTransformer, TModel)
Implements IEstimator(Of TTransformer), ITrainerEstimator(Of TTransformer, TModel)

Parametri di tipo

TTransformer

TModel

Ereditarietà

Object

TrainerEstimatorBase<TTransformer,TModel>

Derivato

Microsoft.ML.Trainers.FastTree.GamTrainerBase<TOptions,TTransformer,TPredictor>

Microsoft.ML.Trainers.KMeansTrainer

Microsoft.ML.Trainers.LbfgsTrainerBase<TOptions,TTransformer,TModel>

Microsoft.ML.Trainers.LdSvmTrainer

Microsoft.ML.Trainers.LinearTrainerBase<TTransformer,TModel>

Microsoft.ML.Trainers.NaiveBayesMulticlassTrainer

Microsoft.ML.Trainers.OlsTrainer

Microsoft.ML.Trainers.OnlineLinearTrainer<TTransformer,TModel>

Microsoft.ML.Trainers.RandomizedPcaTrainer

Microsoft.ML.Trainers.StochasticTrainerBase<TTransformer,TModel>

Microsoft.ML.Trainers.SymbolicSgdLogisticRegressionBinaryTrainer

Microsoft.ML.Trainers.TrainerEstimatorBaseWithGroupId<TTransformer,TModel>

Microsoft.ML.Vision.ImageClassificationTrainer

Implementazioni

IEstimator<TTransformer> ITrainerEstimator<TTransformer,TModel>

Campi

FeatureColumn	Colonna di funzionalità prevista dal trainer.
LabelColumn	Colonna etichetta prevista dal trainer. Può essere null, che indica che l'etichetta non viene usata per il training.
WeightColumn	Colonna di peso prevista dal trainer. Può essere null, che indica che il peso non viene usato per il training.

Proprietà

Info	Informazioni sul formatore: indipendentemente dal vantaggio della normalizzazione, della memorizzazione nella cache e così via.

Metodi

Fit(IDataView)	Esegue il training e restituisce un ITransformeroggetto .
GetOutputSchema(SchemaShape)	Ciò rappresenta una classe di base per "semplice allenatore". Un 'trainer semplice' accetta una colonna di funzionalità e una colonna etichetta, anche facoltativamente una colonna di peso. Produce un "trasformatore di stima".

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.