Microsoft.ML.Trainers 名前空間

トレーナー、モデル パラメーター、ユーティリティを含む名前空間。

クラス

AveragedLinearOptions	平均線形トレーナーの引数クラス。
AveragedLinearTrainer<TTransformer,TModel>	平均線形トレーナーの基底クラス。
AveragedPerceptronTrainer	IEstimator<TTransformer>平均パーセプトロンでトレーニングされた線形二項分類モデルを使用してターゲットを予測する 。
AveragedPerceptronTrainer.Options	でAveragedPerceptron(BinaryClassificationCatalog+BinaryClassificationTrainers, AveragedPerceptronTrainer+Options)使用される のAveragedPerceptronTrainerオプション。
CoefficientStatistics	計算されたモデル パラメーターに関する統計情報を含む係数統計オブジェクトを表します。
ComputeLogisticRegressionStandardDeviation	標準偏差、p 値、z スコアをさらに計算するために必要な、0 以外のトレーニング重みの各標準偏差行列を計算します。 Intel Math Kernel Library を使用する Microsoft.ML.Mkl.Components パッケージで、このクラスの実装を使用します。 正則化が存在するため、近似はトレーニングされた線形係数の分散を計算するために使用されます。
ComputeLRTrainingStdThroughMkl	トレーナー、モデル パラメーター、ユーティリティを含む名前空間。
ExpLoss	指数損失。分類タスクでよく使用されます。
ExponentialLRDecay	このクラスは、指数学習率の減衰を実装します。 tensorflow ドキュメントから実装されます。 ソース: https://www.tensorflow.org/api_docs/python/tf/compat/v1/train/exponential_decay 既定値と学習率の実装は、Tensorflow Slim モデル テストからの値です。 ソース : https://github.com/tensorflow/models/blob/master/research/slim/train_image_classifier.py
FeatureContributionCalculator	機能コントリビューション計算のサポート。
FieldAwareFactorizationMachineModelParameters	の FieldAwareFactorizationMachineTrainerモデル パラメーター。
FieldAwareFactorizationMachinePredictionTransformer	トレーナー、モデル パラメーター、ユーティリティを含む名前空間。
FieldAwareFactorizationMachineTrainer	IEstimator<TTransformer>確率的勾配法を使用してトレーニングされたフィールド対応階乗機モデルを使用してターゲットを予測する 。
FieldAwareFactorizationMachineTrainer.Options	FieldAwareFactorizationMachineTrainer.OptionsでFieldAwareFactorizationMachine(BinaryClassificationCatalog+BinaryClassificationTrainers, FieldAwareFactorizationMachineTrainer+Options)使用される の FieldAwareFactorizationMachineTrainer 。
HingeLoss	ヒンジ損失。分類タスクでよく使用されます。
KMeansModelParameters	トレーナー、モデル パラメーター、ユーティリティを含む名前空間。
KMeansTrainer	IEstimator<TTransformer> KMeans クラスターをトレーニングするための 。
KMeansTrainer.Options	KMeansTrainerKMeansTrainer(Options)で使用される のオプション。
LbfgsLogisticRegressionBinaryTrainer	IEstimator<TTransformer> L-BFGS メソッドでトレーニングされた線形ロジスティック回帰モデルを使用してターゲットを予測する 。
LbfgsLogisticRegressionBinaryTrainer.Options	で使用される の LbfgsLogisticRegressionBinaryTrainer オプション LbfgsLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, LbfgsLogisticRegressionBinaryTrainer+Options)
LbfgsMaximumEntropyMulticlassTrainer	IEstimator<TTransformer> L-BFGS メソッドでトレーニングされた最大エントロピ多クラス分類子を使用してターゲットを予測する 。
LbfgsMaximumEntropyMulticlassTrainer.Options	LbfgsMaximumEntropyMulticlassTrainer.OptionsでLbfgsMaximumEntropy(MulticlassClassificationCatalog+MulticlassClassificationTrainers, LbfgsMaximumEntropyMulticlassTrainer+Options)使用される の LbfgsMaximumEntropyMulticlassTrainer 。
LbfgsPoissonRegressionTrainer	IEstimator<TTransformer>ポアソン回帰モデルをトレーニングするための 。
LbfgsPoissonRegressionTrainer.Options	LbfgsPoissonRegressionTrainerLbfgsPoissonRegression(Options)で使用される のオプション。
LbfgsTrainerBase<TOptions,TTransformer,TModel>.OptionsBase	から派生LbfgsTrainerBase<TOptions,TTransformer,TModel>するトレーナー推定器の基本オプション クラス。
LbfgsTrainerBase<TOptions,TTransformer,TModel>	L-BFGS ベースのトレーナーの基本クラス。
LdSvmModelParameters	トレーナー、モデル パラメーター、ユーティリティを含む名前空間。
LdSvmTrainer	IEstimator<TTransformer> Local Deep SVM でトレーニングされた非線形二項分類モデルを使用してターゲットを予測する 。
LdSvmTrainer.Options	トレーナー、モデル パラメーター、ユーティリティを含む名前空間。
LearningRateScheduler	この抽象クラスは、学習率スケジューラを定義します。
LinearBinaryModelParameters	線形バイナリ トレーナー推定器のモデル パラメーター クラス。
LinearModelParameters	線形モデル パラメーターの基底クラス。
LinearModelParameterStatistics	線形モデル パラメーターの統計。
LinearMulticlassModelParameters	多クラス分類子の線形モデル。 すべての線形モデルの生スコアが出力され、可能性のある出力は提供されません。
LinearMulticlassModelParametersBase	多クラス分類子の一般的な線形モデル。 LinearMulticlassModelParameters には、クラスごとに 1 つの線形モデルが含まれています。
LinearRegressionModelParameters	線形回帰のモデル パラメーター。
LinearSvmTrainer	IEstimator<TTransformer> Linear SVM でトレーニングされた線形二項分類モデルを使用してターゲットを予測する 。
LinearSvmTrainer.Options	でLinearSvm(BinaryClassificationCatalog+BinaryClassificationTrainers, LinearSvmTrainer+Options)使用される のLinearSvmTrainerオプション。
LinearTrainerBase<TTransformer,TModel>	トレーナー、モデル パラメーター、ユーティリティを含む名前空間。
LogLoss	ログ損失 (クロス エントロピー損失とも呼ばれます)。 これは、分類タスクでよく使用されます。
LsrDecay	このクラスは、線形スケーリング ルールと LR 減衰を実装します。 Tensorflow スリムでの RESNET-CIFAR ベンチマーク テストから採用された実装。 https://github.com/tensorflow/models/blob/b974c3f95a37acedcc3c58566834c78fcae4b214/official/vision/image_classification/resnet_cifar_main.py
MaximumEntropyModelParameters	多クラス分類子の線形最大エントロピ モデル。 クラスの確率を出力します。 このモデルは、多項ロジスティック回帰とも呼ばれます。 詳細については、こちらをご覧 https://en.wikipedia.org/wiki/Multinomial_logistic_regression ください。
MetaMulticlassTrainer<TTransformer,TModel>	トレーナー、モデル パラメーター、ユーティリティを含む名前空間。
ModelParametersBase<TOutput>	すべてのモデル パラメーターのジェネリック 基底クラス。
ModelStatisticsBase	線形モデル パラメーターの統計。
NaiveBayesMulticlassModelParameters	の NaiveBayesMulticlassTrainerモデル パラメーター。
NaiveBayesMulticlassTrainer	IEstimator<TTransformer>バイナリ特徴値をサポートする多クラス Naive Bayes モデルをトレーニングするための 。
OlsModelParameters	の OlsTrainerモデル パラメーター。
OlsTrainer	IEstimator<TTransformer>線形回帰モデルのパラメーターを推定するために、通常の最小二乗 (OLS) を使用して線形回帰モデルをトレーニングするための 。
OlsTrainer.Options	OlsTrainerOls(Options) で使用される のオプション
OneVersusAllModelParameters	の OneVersusAllTrainerモデル パラメーター。
OneVersusAllTrainer	IEstimator<TTransformer>指定した二項分類子を使用する 1 対すべての多クラス分類子をトレーニングするための 。
OnlineGradientDescentTrainer	IEstimator<TTransformer>線形回帰モデルのパラメーターを推定するために、オンライン 勾配降下法 (OGD) を使用して線形回帰モデルをトレーニングするための 。
OnlineGradientDescentTrainer.Options	OnlineGradientDescentTrainerOnlineGradientDescent(Options)で使用される のオプション。
OnlineLinearOptions	オンライン 線形トレーナーの Arguments クラス。
OnlineLinearTrainer<TTransformer,TModel>	オンライン リニア トレーナーの基本クラス。 オンライン トレーナーは、追加のデータを使用して増分的に更新できます。
PairwiseCouplingModelParameters	の PairwiseCouplingTrainerモデル パラメーター。
PairwiseCouplingTrainer	IEstimator<TTransformer>指定した二項分類子を使用するペアワイズ結合多クラス分類子をトレーニングするための 。
PcaModelParameters	の RandomizedPcaTrainerモデル パラメーター。
PoissonLoss	ポアソン回帰のポアソン損失関数。
PoissonRegressionModelParameters	ポアソン回帰のモデル パラメーター。
PolynomialLRDecay	このクラスは、多項式学習率の減衰を実装します。 tensorflow ドキュメントから実装されます。 ソース: https://www.tensorflow.org/api_docs/python/tf/compat/v1/train/polynomial_decay 既定値と学習率の実装は、Tensorflow Slim モデル テストからの値です。 ソース : https://github.com/tensorflow/models/blob/master/research/slim/train_image_classifier.py
PriorModelParameters	の PriorTrainerモデル パラメーター。
PriorTrainer	IEstimator<TTransformer>二項分類モデルを使用してターゲットを予測するための 。
RandomizedPcaTrainer	IEstimator<TTransformer>ランダム化された SVD アルゴリズムを使用しておおよその PCA をトレーニングするための 。
RandomizedPcaTrainer.Options	RandomizedPcaTrainerRandomizedPca(Options)で使用される のオプション。
RegressionModelParameters	回帰のモデル パラメーター。
SdcaBinaryTrainerBase<TModelParameters>.BinaryOptionsBase	の SdcaBinaryTrainerBase<TModelParameters>オプション。
SdcaBinaryTrainerBase<TModelParameters>	SDCA は、サポート ベクター マシン、線形回帰、ロジスティック回帰など、(一般化された) 線形モデルの一般的なトレーニング アルゴリズムです。 SDCA 二項分類トレーナー ファミリには、いくつかの封印されたメンバーが含まれています。(1) SdcaNonCalibratedBinaryTrainer は一般的な損失関数をサポートし、 を返します LinearBinaryModelParameters。 (2) SdcaLogisticRegressionBinaryTrainer 基本的に、正則化されたロジスティック回帰モデルをトレーニングします。 ロジスティック回帰は自然に確率出力を提供するため、この生成されたモデルの型は です CalibratedModelParametersBase<TSubModel,TCalibrator>。 ここで TSubModel 、 は LinearBinaryModelParameters で、 TCalibrator は です PlattCalibrator。
SdcaLogisticRegressionBinaryTrainer	IEstimator<TTransformer>確率的二重座標アセント法を使用して二項ロジスティック回帰分類モデルをトレーニングするための 。 トレーニング 済みのモデルは調整され 、線形関数の出力値を にフィードすることで確率を PlattCalibrator生成できます。
SdcaLogisticRegressionBinaryTrainer.Options	SdcaLogisticRegressionBinaryTrainerSdcaLogisticRegression(Options)で使用される のオプション。
SdcaMaximumEntropyMulticlassTrainer	IEstimator<TTransformer>最大エントロピ多クラス分類子を使用してターゲットを予測する 。 トレーニング済みモデル MaximumEntropyModelParameters では、クラスの確率が生成されます。
SdcaMaximumEntropyMulticlassTrainer.Options	SdcaMaximumEntropyMulticlassTrainer.Optionsで使用される for SdcaMaximumEntropyMulticlassTrainerSdcaMaximumEntropy(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String, String, Nullable<Single>, Nullable<Single>, Nullable<Int32>)
SdcaMulticlassTrainerBase<TModel>.MulticlassOptions	の SdcaMulticlassTrainerBase<TModel>オプション。
SdcaMulticlassTrainerBase<TModel>	IEstimator<TTransformer>座標降下法でトレーニングされた線形多クラス分類子モデルを使用してターゲットを予測する 。 使用される損失関数に応じて、トレーニング済みのモデルは、たとえば、最大エントロピ分類子や多クラスサポート ベクター マシンにすることができます。
SdcaNonCalibratedBinaryTrainer	IEstimator<TTransformer>確率的二重座標上昇法を使用して二項ロジスティック回帰分類モデルをトレーニングするための 。
SdcaNonCalibratedBinaryTrainer.Options	の SdcaNonCalibratedBinaryTrainerオプション。
SdcaNonCalibratedMulticlassTrainer	IEstimator<TTransformer>線形多クラス分類子を使用してターゲットを予測する 。 トレーニング済みのモデル LinearMulticlassModelParameters では、クラスの確率が生成されます。
SdcaNonCalibratedMulticlassTrainer.Options	SdcaNonCalibratedMulticlassTrainer.OptionsでSdcaNonCalibratedMulticlassTrainerSdcaNonCalibrated(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String, String, ISupportSdcaClassificationLoss, Nullable<Single>, Nullable<Single>, Nullable<Int32>)使用される の 。
SdcaRegressionTrainer	IEstimator<TTransformer>確率的二重座標上昇法を使用して回帰モデルをトレーニングするための 。
SdcaRegressionTrainer.Options	の SdcaRegressionTrainerオプション。
SdcaTrainerBase<TOptions,TTransformer,TModel>.OptionsBase	SDCA ベースのトレーナーのオプション。
SdcaTrainerBase<TOptions,TTransformer,TModel>	トレーナー、モデル パラメーター、ユーティリティを含む名前空間。
SgdBinaryTrainerBase<TModel>.OptionsBase	トレーナー、モデル パラメーター、ユーティリティを含む名前空間。
SgdBinaryTrainerBase<TModel>	トレーナー、モデル パラメーター、ユーティリティを含む名前空間。
SgdCalibratedTrainer	IEstimator<TTransformer>並列確率勾配法を使用してロジスティック回帰をトレーニングするための 。 トレーニング済みのモデルは 調整され 、線形関数の出力値を にフィードすることで確率を PlattCalibrator生成できます。
SgdCalibratedTrainer.Options	SgdCalibratedTrainerSgdCalibrated(Options)で使用される のオプション。
SgdNonCalibratedTrainer	IEstimator<TTransformer>並列確率勾配法を使用してロジスティック回帰をトレーニングするための 。
SgdNonCalibratedTrainer.Options	SgdNonCalibratedTrainerSgdNonCalibrated(Options)で使用される のオプション。
SmoothedHingeLoss	分類タスクでよく使用される、スムーズなバージョン HingeLoss の関数。
SquaredLoss	回帰タスクでよく使用される 2 乗損失。
StochasticTrainerBase<TTransformer,TModel>	トレーナー、モデル パラメーター、ユーティリティを含む名前空間。
SymbolicSgdLogisticRegressionBinaryTrainer	IEstimator<TTransformer>シンボル確率勾配降下法でトレーニングされた線形二項分類モデルを使用してターゲットを予測する 。
SymbolicSgdLogisticRegressionBinaryTrainer.Options	でSymbolicSgdLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, SymbolicSgdLogisticRegressionBinaryTrainer+Options)使用される のSymbolicSgdLogisticRegressionBinaryTrainerオプション。
TrainerEstimatorBase<TTransformer,TModel>	これは、'simple trainer' の基本クラスを表します。 "シンプル トレーナー" は、1 つの特徴列と 1 つのラベル列 (オプションで重み列) を受け入れます。 "予測トランスフォーマー" が生成されます。
TrainerEstimatorBaseWithGroupId<TTransformer,TModel>	これは、'simple trainer' の基本クラスを表します。 "シンプル トレーナー" は、1 つの特徴列と 1 つのラベル列 (オプションで重み列) を受け入れます。 "予測トランスフォーマー" が生成されます。
TrainerInputBase	すべてのトレーナー入力の基底クラス。
TrainerInputBaseWithGroupId	グループ列をサポートするすべてのトレーナー入力の基本クラス。
TrainerInputBaseWithLabel	Label 列をサポートするすべてのトレーナー入力の基本クラス。
TrainerInputBaseWithWeight	重み列をサポートするすべてのトレーナー入力の基底クラス。
TweedieLoss	Tweedie ディストリビューションの対数尤度に基づくツイーディー損失。 この損失関数は、ツイーディー回帰で使用されます。
UnsupervisedTrainerInputBaseWithWeight	重み列をサポートするすべての教師なしトレーナー入力の基本クラス。

構造体

LsrDecay.LearningRateSchedulerItem

この構造体は、学習率スケジューラ項目の種類を表します

インターフェイス

ICalculateFeatureContribution	モデル パラメーターによる特徴量コントリビューション計算のサポートを許可します。
IClassificationLoss	トレーナー、モデル パラメーター、ユーティリティを含む名前空間。
ILossFunction<TOutput,TLabel>	トレーナー、モデル パラメーター、ユーティリティを含む名前空間。
IRegressionLoss	トレーナー、モデル パラメーター、ユーティリティを含む名前空間。
IScalarLoss	トレーナー、モデル パラメーター、ユーティリティを含む名前空間。
ISupportSdcaClassificationLoss	トレーナー、モデル パラメーター、ユーティリティを含む名前空間。
ISupportSdcaLoss	損失関数は、最適なデュアルアップデートRef:Sec(6.2)に対する近い形式の解を知っているかもしれません http://jmlr.org/papers/volume14/shalev-shwartz13a/shalev-shwartz13a.pdf
ISupportSdcaRegressionLoss	トレーナー、モデル パラメーター、ユーティリティを含む名前空間。
ITrainerEstimator<TTransformer,TModel>	トレーナー推定器のインターフェイス。

列挙型

KMeansTrainer.InitializationAlgorithm

トレーナー、モデル パラメーター、ユーティリティを含む名前空間。