SgdNonCalibratedTrainer クラス
定義
重要
一部の情報は、リリース前に大きく変更される可能性があるプレリリースされた製品に関するものです。 Microsoft は、ここに記載されている情報について、明示または黙示を問わず、一切保証しません。
IEstimator<TTransformer>並列確率的勾配法を使用したロジスティック回帰のトレーニング。
public sealed class SgdNonCalibratedTrainer : Microsoft.ML.Trainers.SgdBinaryTrainerBase<Microsoft.ML.Trainers.LinearBinaryModelParameters>type SgdNonCalibratedTrainer = class
inherit SgdBinaryTrainerBase<LinearBinaryModelParameters>Public NotInheritable Class SgdNonCalibratedTrainer
Inherits SgdBinaryTrainerBase(Of LinearBinaryModelParameters)- 継承
-
LinearTrainerBase<BinaryPredictionTransformer<TModel>,TModel>SgdNonCalibratedTrainer
注釈
このトレーナーを作成するには、 SgdNonCalibrated または SgdNonCalibrated(Options)を使用します。
入力列と出力列
入力ラベル列データは Boolean にする必要があります。 入力特徴列データは、既知のサイズの Singleベクターである必要があります。 このトレーナーからは、以下の列が出力されます。
| 出力列の名前 | 列の型 | 説明 |
|---|---|---|
Score |
Single | モデルによって計算された無制限のスコア。 |
PredictedLabel |
Boolean | スコアの符号に基づく予測ラベル。 負のスコアは false にマップされ、正のスコアは true にマップされます。 |
トレーナーの特性
| 機械学習タスク | 二項分類 |
| 正規化は必要ですか? | はい |
| キャッシュは必要ですか? | いいえ |
| Microsoft.ML に加えて必要な NuGet | なし |
| ONNX にエクスポート可能 | はい |
トレーニング アルゴリズムの詳細
確率的勾配降下法(SGD)は、最先端のパフォーマンスを達成するためにいくつかの機械学習タスクに統合することができる一般的な確率的最適化手順の1つです。 このトレーナーは、ロックなしでマルチスレッドをサポートする二項分類のためのHogwild確率勾配降下を実装します。 関連する最適化の問題がスパースである場合、Hogwild確率勾配降下は収束のほぼ最適な速度を達成します。 Hogwild確率勾配降下の詳細については、 こちらをご覧ください。
使用法の例へのリンクについては、「参照」セクションを参照してください。
フィールド
| FeatureColumn |
トレーナーが期待する特徴列。 (継承元 TrainerEstimatorBase<TTransformer,TModel>) |
| LabelColumn |
トレーナーが期待するラベル列。 できます |
| WeightColumn |
トレーナーが期待する重み列。 できます。 |
プロパティ
| Info |
IEstimator<TTransformer>並列確率的勾配法を使用したロジスティック回帰のトレーニング。 (継承元 SgdBinaryTrainerBase<TModel>) |
メソッド
| Fit(IDataView) |
をトレーニングして返します ITransformer。 (継承元 TrainerEstimatorBase<TTransformer,TModel>) |
| Fit(IDataView, LinearModelParameters) |
既にトレーニング済 |
| GetOutputSchema(SchemaShape) |
IEstimator<TTransformer>並列確率的勾配法を使用したロジスティック回帰のトレーニング。 (継承元 TrainerEstimatorBase<TTransformer,TModel>) |
拡張メソッド
| AppendCacheCheckpoint<TTrans>(IEstimator<TTrans>, IHostEnvironment) |
エスティメーター チェーンに 'キャッシュ チェックポイント' を追加します。 これにより、ダウンストリームエスティメーターがキャッシュされたデータに対してトレーニングされます。 複数のデータを受け取るトレーナーが渡す前にキャッシュ チェックポイントを設定すると便利です。 |
| WithOnFitDelegate<TTransformer>(IEstimator<TTransformer>, Action<TTransformer>) |
エスティメーターを指定すると、デリゲートを 1 回 Fit(IDataView) 呼び出すラップ オブジェクトが呼び出されます。 多くの場合、エスティメーターが適合した内容に関する情報を返すことが重要です。そのため Fit(IDataView) 、メソッドは一般的 ITransformerなオブジェクトではなく、具体的に型指定されたオブジェクトを返します。 ただし、同時に、 IEstimator<TTransformer> 多くのオブジェクトを含むパイプラインに形成されることが多いため、トランスフォーマーを取得するエスティメーターがこのチェーンのどこかに埋もれる場所を介して EstimatorChain<TLastTransformer> 、推定器のチェーンを構築する必要がある場合があります。 このシナリオでは、このメソッドを使用して、fit が呼び出されると呼び出されるデリゲートをアタッチできます。 |
適用対象
こちらもご覧ください
フィードバック
以下は間もなく提供いたします。2024 年を通じて、コンテンツのフィードバック メカニズムとして GitHub の issue を段階的に廃止し、新しいフィードバック システムに置き換えます。 詳細については、「https://aka.ms/ContentUserFeedback」を参照してください。
フィードバックの送信と表示