Microsoft.ML.Trainers 네임스페이스

트레이너, 모델 매개 변수 및 유틸리티가 포함된 네임스페이스입니다.

클래스

AveragedLinearOptions	평균 선형 트레이너에 대한 인수 클래스입니다.
AveragedLinearTrainer<TTransformer,TModel>	평균 선형 트레이너의 기본 클래스입니다.
AveragedPerceptronTrainer	IEstimator<TTransformer> 평균 퍼셉트론으로 학습된 선형 이진 분류 모델을 사용하여 대상을 예측하는 입니다.
AveragedPerceptronTrainer.Options	에 사용되는 의 AveragedPerceptronTrainer 옵션입니다 AveragedPerceptron(BinaryClassificationCatalog+BinaryClassificationTrainers, AveragedPerceptronTrainer+Options).
CoefficientStatistics	계산된 모델 매개 변수에 대한 통계를 포함하는 계수 통계 개체를 나타냅니다.
ComputeLogisticRegressionStandardDeviation	표준 편차, p-value 및 z-Score를 추가로 계산하는 데 필요한 0이 아닌 각 학습 가중치의 표준 편차 매트릭스를 계산합니다. Intel 수학 커널 라이브러리를 사용하는 Microsoft.ML.Mkl.Components 패키지에서 이 클래스의 구현을 사용합니다. 정규화가 존재하기 때문에 근사값은 학습된 선형 계수의 분산을 계산하는 데 사용됩니다.
ComputeLRTrainingStdThroughMkl	트레이너, 모델 매개 변수 및 유틸리티가 포함된 네임스페이스입니다.
ExpLoss	분류 작업에 일반적으로 사용되는 지수 손실입니다.
ExponentialLRDecay	이 클래스는 지수 학습 속도 감쇠를 구현합니다. tensorflow 설명서에서 구현됩니다. 원본: https://www.tensorflow.org/api_docs/python/tf/compat/v1/train/exponential_decay 학습 속도의 기본값 및 구현은 Tensorflow 슬림 모델 테스트에서 나온 것입니다. 원본: https://github.com/tensorflow/models/blob/master/research/slim/train_image_classifier.py
FeatureContributionCalculator	기능 기여 계산 지원.
FieldAwareFactorizationMachineModelParameters	에 대한 모델 매개 변수입니다 FieldAwareFactorizationMachineTrainer.
FieldAwareFactorizationMachinePredictionTransformer	트레이너, 모델 매개 변수 및 유틸리티가 포함된 네임스페이스입니다.
FieldAwareFactorizationMachineTrainer	IEstimator<TTransformer> 확률적 그라데이션 메서드를 사용하여 학습된 필드 인식 팩터리화 머신 모델을 사용하여 대상을 예측하는 입니다.
FieldAwareFactorizationMachineTrainer.Options	FieldAwareFactorizationMachineTrainer.Options 에서 FieldAwareFactorizationMachineTrainer 사용되는 에 대한 입니다 FieldAwareFactorizationMachine(BinaryClassificationCatalog+BinaryClassificationTrainers, FieldAwareFactorizationMachineTrainer+Options).
HingeLoss	분류 작업에 일반적으로 사용되는 힌지 손실입니다.
KMeansModelParameters	트레이너, 모델 매개 변수 및 유틸리티가 포함된 네임스페이스입니다.
KMeansTrainer	IEstimator<TTransformer> KMeans 클러스터러를 학습하기 위한 입니다.
KMeansTrainer.Options	KMeansTrainerKMeansTrainer(옵션)에 사용되는 의 옵션입니다.
LbfgsLogisticRegressionBinaryTrainer	IEstimator<TTransformer> L-BFGS 메서드로 학습된 선형 로지스틱 회귀 모델을 사용하여 대상을 예측하는 입니다.
LbfgsLogisticRegressionBinaryTrainer.Options	에 사용되는 에 LbfgsLogisticRegressionBinaryTrainer 대한 옵션 LbfgsLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, LbfgsLogisticRegressionBinaryTrainer+Options)
LbfgsMaximumEntropyMulticlassTrainer	IEstimator<TTransformer> L-BFGS 메서드로 학습된 최대 엔트로피 다중 클래스 분류자를 사용하여 대상을 예측하는 입니다.
LbfgsMaximumEntropyMulticlassTrainer.Options	LbfgsMaximumEntropyMulticlassTrainer.Options 에서 LbfgsMaximumEntropyMulticlassTrainer 사용되는 에 대한 입니다 LbfgsMaximumEntropy(MulticlassClassificationCatalog+MulticlassClassificationTrainers, LbfgsMaximumEntropyMulticlassTrainer+Options).
LbfgsPoissonRegressionTrainer	IEstimator<TTransformer> 포아송 회귀 모델을 학습하기 위한 입니다.
LbfgsPoissonRegressionTrainer.Options	LbfgsPoissonRegressionTrainerLbfgsPoissonRegression(옵션)에 사용되는 의 옵션입니다.
LbfgsTrainerBase<TOptions,TTransformer,TModel>.OptionsBase	에서 파생된 트레이너 예측 도구에 대한 기본 옵션 클래스입니다LbfgsTrainerBase<TOptions,TTransformer,TModel>.
LbfgsTrainerBase<TOptions,TTransformer,TModel>	L-BFGS 기반 트레이너를 위한 기본 클래스입니다.
LdSvmModelParameters	트레이너, 모델 매개 변수 및 유틸리티가 포함된 네임스페이스입니다.
LdSvmTrainer	IEstimator<TTransformer> 로컬 Deep SVM으로 학습된 비선형 이진 분류 모델을 사용하여 대상을 예측하는 입니다.
LdSvmTrainer.Options	트레이너, 모델 매개 변수 및 유틸리티가 포함된 네임스페이스입니다.
LearningRateScheduler	이 추상 클래스는 학습 속도 스케줄러를 정의합니다.
LinearBinaryModelParameters	선형 이진 트레이너 추정기에 대한 모델 매개 변수 클래스입니다.
LinearModelParameters	선형 모델 매개 변수에 대한 기본 클래스입니다.
LinearModelParameterStatistics	선형 모델 매개 변수에 대한 통계입니다.
LinearMulticlassModelParameters	다중 클래스 분류자의 선형 모델입니다. 모든 선형 모델의 원시 점수를 출력하며 가능한 출력은 제공되지 않습니다.
LinearMulticlassModelParametersBase	다중 클래스 분류자의 일반적인 선형 모델입니다. LinearMulticlassModelParameters 에는 클래스당 단일 선형 모델이 포함됩니다.
LinearRegressionModelParameters	선형 회귀에 대한 모델 매개 변수입니다.
LinearSvmTrainer	IEstimator<TTransformer> 선형 SVM으로 학습된 선형 이진 분류 모델을 사용하여 대상을 예측하는 입니다.
LinearSvmTrainer.Options	에 사용되는 의 LinearSvmTrainer 옵션입니다 LinearSvm(BinaryClassificationCatalog+BinaryClassificationTrainers, LinearSvmTrainer+Options).
LinearTrainerBase<TTransformer,TModel>	트레이너, 모델 매개 변수 및 유틸리티가 포함된 네임스페이스입니다.
LogLoss	로그 손실(교차 엔트로피 손실이라고도 함). 일반적으로 분류 작업에 사용됩니다.
LsrDecay	이 클래스는 선형 크기 조정 규칙 및 LR 감쇠를 구현합니다. Tensorflow 슬림의 RESNET-CIFAR 벤치마크 테스트에서 채택된 구현입니다. https://github.com/tensorflow/models/blob/b974c3f95a37acedcc3c58566834c78fcae4b214/official/vision/image_classification/resnet_cifar_main.py
MaximumEntropyModelParameters	다중 클래스 분류자의 선형 최대 엔트로피 모델입니다. 클래스 확률을 출력합니다. 이 모델을 다항 로지스틱 회귀라고도 합니다. 자세한 내용은 을 참조 https://en.wikipedia.org/wiki/Multinomial_logistic_regression 하세요.
MetaMulticlassTrainer<TTransformer,TModel>	트레이너, 모델 매개 변수 및 유틸리티가 포함된 네임스페이스입니다.
ModelParametersBase<TOutput>	모든 모델 매개 변수에 대한 제네릭 기본 클래스입니다.
ModelStatisticsBase	선형 모델 매개 변수에 대한 통계입니다.
NaiveBayesMulticlassModelParameters	에 대한 모델 매개 변수입니다 NaiveBayesMulticlassTrainer.
NaiveBayesMulticlassTrainer	이 IEstimator<TTransformer> 진 기능 값을 지원하는 다중 클래스 Naive Bayes 모델을 학습하기 위한 입니다.
OlsModelParameters	에 대한 모델 매개 변수입니다 OlsTrainer.
OlsTrainer	IEstimator<TTransformer> 선형 회귀 모델의 매개 변수를 추정하기 위해 일반 OLS(최소 제곱)를 사용하여 선형 회귀 모델을 학습하는 입니다.
OlsTrainer.Options	OlsTrainerOls(옵션)에 사용되는 의 옵션
OneVersusAllModelParameters	에 대한 모델 매개 변수입니다 OneVersusAllTrainer.
OneVersusAllTrainer	IEstimator<TTransformer> 지정된 이진 분류자를 사용하는 1 대 모든 다중 클래스 분류자를 학습하기 위한 입니다.
OnlineGradientDescentTrainer	IEstimator<TTransformer> 선형 회귀 모델의 매개 변수를 추정하기 위해 OGD(온라인 그라데이션 하강)를 사용하여 선형 회귀 모델을 학습하는 입니다.
OnlineGradientDescentTrainer.Options	OnlineGradientDescentTrainerOnlineGradientDescent(옵션)에 사용되는 의 옵션입니다.
OnlineLinearOptions	온라인 선형 트레이너를 위한 인수 클래스입니다.
OnlineLinearTrainer<TTransformer,TModel>	온라인 선형 트레이너를 위한 기본 클래스입니다. 온라인 트레이너는 추가 데이터로 증분 방식으로 업데이트할 수 있습니다.
PairwiseCouplingModelParameters	에 대한 모델 매개 변수입니다 PairwiseCouplingTrainer.
PairwiseCouplingTrainer	IEstimator<TTransformer> 지정된 이진 분류자를 사용하는 쌍으로 결합된 다중 클래스 분류자를 학습하기 위한 입니다.
PcaModelParameters	에 대한 모델 매개 변수입니다 RandomizedPcaTrainer.
PoissonLoss	포아송 회귀에 대한 포아송 손실 함수입니다.
PoissonRegressionModelParameters	포아송 회귀에 대한 모델 매개 변수입니다.
PolynomialLRDecay	이 클래스는 다항식 학습 속도 감쇠를 구현합니다. tensorflow 설명서에서 구현됩니다. 원본: https://www.tensorflow.org/api_docs/python/tf/compat/v1/train/polynomial_decay 학습 속도의 기본값 및 구현은 Tensorflow 슬림 모델 테스트에서 나온 것입니다. 원본: https://github.com/tensorflow/models/blob/master/research/slim/train_image_classifier.py
PriorModelParameters	에 대한 모델 매개 변수입니다 PriorTrainer.
PriorTrainer	이 IEstimator<TTransformer> 진 분류 모델을 사용하여 대상을 예측하기 위한 입니다.
RandomizedPcaTrainer	IEstimator<TTransformer> 임의 SVD 알고리즘을 사용하여 대략적인 PCA를 학습하기 위한 입니다.
RandomizedPcaTrainer.Options	RandomizedPcaTrainerRandomizedPca(옵션)에 사용되는 의 옵션입니다.
RegressionModelParameters	회귀에 대한 모델 매개 변수입니다.
SdcaBinaryTrainerBase<TModelParameters>.BinaryOptionsBase	에 대한 옵션입니다 SdcaBinaryTrainerBase<TModelParameters>.
SdcaBinaryTrainerBase<TModelParameters>	SDCA는 지원 벡터 머신, 선형 회귀, 로지스틱 회귀 등과 같은 (일반화된) 선형 모델에 대한 일반 학습 알고리즘입니다. SDCA 이진 분류 트레이너 제품군에는 여러 봉인된 멤버가 포함됩니다. (1) SdcaNonCalibratedBinaryTrainer 일반 손실 함수를 지원하고 를 반환 LinearBinaryModelParameters합니다. (2) SdcaLogisticRegressionBinaryTrainer 기본적으로 정규화된 로지스틱 회귀 모델을 학습합니다. 로지스틱 회귀는 자연스럽게 확률 출력을 제공하므로 이 생성된 모델의 형식은 입니다 CalibratedModelParametersBase<TSubModel,TCalibrator>. 여기서 TSubModel 는 LinearBinaryModelParameters 이고 TCalibrator 는 입니다 PlattCalibrator.
SdcaLogisticRegressionBinaryTrainer	IEstimator<TTransformer> 확률적 이중 좌표 상승 방법을 사용하여 이진 로지스틱 회귀 분류 모델을 학습하기 위한 입니다. 학습된 모델은 보정되며 선형 함수의 출력 값을 에 공급하여 확률을 PlattCalibrator생성할 수 있습니다.
SdcaLogisticRegressionBinaryTrainer.Options	SdcaLogisticRegressionBinaryTrainerSdcaLogisticRegression(옵션)에 사용되는 의 옵션입니다.
SdcaMaximumEntropyMulticlassTrainer	IEstimator<TTransformer> 최대 엔트로피 다중 클래스 분류자를 사용하여 대상을 예측하는 입니다. 학습된 모델은 MaximumEntropyModelParameters 클래스의 확률을 생성합니다.
SdcaMaximumEntropyMulticlassTrainer.Options	SdcaMaximumEntropyMulticlassTrainer.Options 에 SdcaMaximumEntropyMulticlassTrainer 사용되는 의 경우 SdcaMaximumEntropy(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String, String, Nullable<Single>, Nullable<Single>, Nullable<Int32>)
SdcaMulticlassTrainerBase<TModel>.MulticlassOptions	에 대한 옵션입니다 SdcaMulticlassTrainerBase<TModel>.
SdcaMulticlassTrainerBase<TModel>	IEstimator<TTransformer> 좌표 하강 방법으로 학습된 선형 다중 클래스 분류자 모델을 사용하여 대상을 예측하는 입니다. 사용된 손실 함수에 따라 학습된 모델은 최대 엔트로피 분류자 또는 다중 클래스 지원 벡터 컴퓨터일 수 있습니다.
SdcaNonCalibratedBinaryTrainer	IEstimator<TTransformer> 확률적 이중 좌표 상승 방법을 사용하여 이진 로지스틱 회귀 분류 모델을 학습하기 위한 입니다.
SdcaNonCalibratedBinaryTrainer.Options	에 대한 옵션입니다 SdcaNonCalibratedBinaryTrainer.
SdcaNonCalibratedMulticlassTrainer	IEstimator<TTransformer> 선형 다중 클래스 분류자를 사용하여 대상을 예측하는 입니다. 학습된 모델은 LinearMulticlassModelParameters 클래스의 확률을 생성합니다.
SdcaNonCalibratedMulticlassTrainer.Options	SdcaNonCalibratedMulticlassTrainer.Options 에서 SdcaNonCalibratedMulticlassTrainer 사용되는 에 대한 입니다 SdcaNonCalibrated(MulticlassClassificationCatalog+MulticlassClassificationTrainers, String, String, String, ISupportSdcaClassificationLoss, Nullable<Single>, Nullable<Single>, Nullable<Int32>).
SdcaRegressionTrainer	IEstimator<TTransformer> 확률적 이중 좌표 상승 메서드를 사용하여 회귀 모델을 학습하기 위한 입니다.
SdcaRegressionTrainer.Options	에 대한 옵션입니다 SdcaRegressionTrainer.
SdcaTrainerBase<TOptions,TTransformer,TModel>.OptionsBase	SDCA 기반 트레이너를 위한 옵션입니다.
SdcaTrainerBase<TOptions,TTransformer,TModel>	트레이너, 모델 매개 변수 및 유틸리티가 포함된 네임스페이스입니다.
SgdBinaryTrainerBase<TModel>.OptionsBase	트레이너, 모델 매개 변수 및 유틸리티가 포함된 네임스페이스입니다.
SgdBinaryTrainerBase<TModel>	트레이너, 모델 매개 변수 및 유틸리티가 포함된 네임스페이스입니다.
SgdCalibratedTrainer	IEstimator<TTransformer> 병렬 확률 그라데이션 메서드를 사용하여 로지스틱 회귀를 학습하기 위한 입니다. 학습된 모델은 보정되며 선형 함수의 출력 값을 에 공급하여 확률을 PlattCalibrator생성할 수 있습니다.
SgdCalibratedTrainer.Options	SgdCalibratedTrainerSgdCalibrated(옵션)에 사용되는 의 옵션입니다.
SgdNonCalibratedTrainer	IEstimator<TTransformer> 병렬 확률 그라데이션 메서드를 사용하여 로지스틱 회귀를 학습하기 위한 입니다.
SgdNonCalibratedTrainer.Options	SgdNonCalibratedTrainerSgdNonCalibrated(옵션)에 사용되는 의 옵션입니다.
SmoothedHingeLoss	일반적으로 분류 작업에 사용되는 함수의 HingeLoss 부드러운 버전입니다.
SquaredLoss	회귀 작업에 일반적으로 사용되는 제곱 손실입니다.
StochasticTrainerBase<TTransformer,TModel>	트레이너, 모델 매개 변수 및 유틸리티가 포함된 네임스페이스입니다.
SymbolicSgdLogisticRegressionBinaryTrainer	IEstimator<TTransformer> 기호화된 확률적 그라데이션 하강으로 학습된 선형 이진 분류 모델을 사용하여 대상을 예측하는 입니다.
SymbolicSgdLogisticRegressionBinaryTrainer.Options	에 사용되는 의 SymbolicSgdLogisticRegressionBinaryTrainer 옵션입니다 SymbolicSgdLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, SymbolicSgdLogisticRegressionBinaryTrainer+Options).
TrainerEstimatorBase<TTransformer,TModel>	이는 '단순 트레이너'의 기본 클래스를 나타냅니다. '단순 트레이너'는 기능 열 1개와 레이블 열 1개를 허용하며, 필요에 따라 가중치 열도 허용합니다. '예측 변환기'를 생성합니다.
TrainerEstimatorBaseWithGroupId<TTransformer,TModel>	이는 '단순 트레이너'의 기본 클래스를 나타냅니다. '단순 트레이너'는 기능 열 1개와 레이블 열 1개를 허용하며, 필요에 따라 가중치 열도 허용합니다. '예측 변환기'를 생성합니다.
TrainerInputBase	모든 트레이너 입력에 대한 기본 클래스입니다.
TrainerInputBaseWithGroupId	그룹 열을 지원하는 모든 트레이너 입력에 대한 기본 클래스입니다.
TrainerInputBaseWithLabel	Label 열을 지원하는 모든 트레이너 입력의 기본 클래스입니다.
TrainerInputBaseWithWeight	가중치 열을 지원하는 모든 트레이너 입력의 기본 클래스입니다.
TweedieLoss	트위디 배포의 로그 가능성에 따라 트위디 손실. 이 손실 함수는 트위디 회귀에 사용됩니다.
UnsupervisedTrainerInputBaseWithWeight	가중치 열을 지원하는 모든 감독되지 않은 트레이너 입력에 대한 기본 클래스입니다.

구조체

LsrDecay.LearningRateSchedulerItem

이 구조는 학습 속도 스케줄러 항목 유형을 나타냅니다.

인터페이스

ICalculateFeatureContribution	모델 매개 변수별 기능 기여 계산을 지원할 수 있습니다.
IClassificationLoss	트레이너, 모델 매개 변수 및 유틸리티가 포함된 네임스페이스입니다.
ILossFunction<TOutput,TLabel>	트레이너, 모델 매개 변수 및 유틸리티가 포함된 네임스페이스입니다.
IRegressionLoss	트레이너, 모델 매개 변수 및 유틸리티가 포함된 네임스페이스입니다.
IScalarLoss	트레이너, 모델 매개 변수 및 유틸리티가 포함된 네임스페이스입니다.
ISupportSdcaClassificationLoss	트레이너, 모델 매개 변수 및 유틸리티가 포함된 네임스페이스입니다.
ISupportSdcaLoss	손실 함수는 의 최적 이중 업데이트 Ref: Sec(6.2)에 대한 근접 형식 솔루션을 알 수 있습니다. http://jmlr.org/papers/volume14/shalev-shwartz13a/shalev-shwartz13a.pdf
ISupportSdcaRegressionLoss	트레이너, 모델 매개 변수 및 유틸리티가 포함된 네임스페이스입니다.
ITrainerEstimator<TTransformer,TModel>	트레이너 예측 도구에 대한 인터페이스입니다.

열거형

KMeansTrainer.InitializationAlgorithm

트레이너, 모델 매개 변수 및 유틸리티가 포함된 네임스페이스입니다.