次の方法で共有


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

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

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.OptionsFieldAwareFactorizationMachine(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.OptionsLbfgsMaximumEntropy(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

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

MatrixFactorizationTrainer

IEstimator<TTransformer>行列分解を使用してマトリックス内の要素を予測する ( コラボレーション フィルターの一種とも呼ばれます)。

MatrixFactorizationTrainer.Options

MatrixFactorizationTrainerMatrixFactorization(Options)で使用される のオプション。

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

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

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

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

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

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

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

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

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

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.OptionsSdcaNonCalibratedMulticlassTrainerSdcaNonCalibrated(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

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

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。

MatrixFactorizationTrainer.LossFunctionType

損失関数の種類。