GamRegressionTrainer 클래스
정의
중요
일부 정보는 릴리스되기 전에 상당 부분 수정될 수 있는 시험판 제품과 관련이 있습니다. Microsoft는 여기에 제공된 정보에 대해 어떠한 명시적이거나 묵시적인 보증도 하지 않습니다.
IEstimator<TTransformer> 일반화된 GAM(가산 모델)을 사용하여 회귀 모델을 학습하기 위한 것입니다.
public sealed class GamRegressionTrainer : Microsoft.ML.Trainers.FastTree.GamTrainerBase<Microsoft.ML.Trainers.FastTree.GamRegressionTrainer.Options,Microsoft.ML.Data.RegressionPredictionTransformer<Microsoft.ML.Trainers.FastTree.GamRegressionModelParameters>,Microsoft.ML.Trainers.FastTree.GamRegressionModelParameters>type GamRegressionTrainer = class
inherit GamTrainerBase<GamRegressionTrainer.Options, RegressionPredictionTransformer<GamRegressionModelParameters>, GamRegressionModelParameters>Public NotInheritable Class GamRegressionTrainer
Inherits GamTrainerBase(Of GamRegressionTrainer.Options, RegressionPredictionTransformer(Of GamRegressionModelParameters), GamRegressionModelParameters)- 상속
-
TrainerEstimatorBase<TTransformer,TPredictor>GamTrainerBase<GamRegressionTrainer.Options,RegressionPredictionTransformer<GamRegressionModelParameters>,GamRegressionModelParameters>GamRegressionTrainer
설명
이 트레이너를 만들려면 게임 또는 게임(옵션)을 사용합니다.
입력 및 출력 열
입력 레이블 열 데이터는 Single이어야 합니다. 입력 기능 열 데이터는 알려진 크기의 벡터 Single여야 합니다.
이 트레이너는 다음 열을 출력합니다.
| 출력 열 이름 | 열 유형 | 설명 |
|---|---|---|
Score |
Single | 모델에서 예측한 바인딩되지 않은 점수입니다. |
트레이너 특성
| 기계 학습 작업 | 회귀 |
| 정규화가 필요한가요? | 아니요 |
| 캐싱이 필요한가요? | 아니요 |
| Microsoft.ML 외에도 필요한 NuGet | Microsoft.ML.FastTree |
| ONNX로 내보낼 수 있습니다. | 아니요 |
학습 알고리즘 세부 정보
일반화된 가산 모델 또는 GAM은 선형 모델과 유사한 선형 독립 기능 집합으로 데이터를 모델링합니다. 각 기능에 대해 GAM 트레이너는 응답을 기능 값의 함수로 계산하는 "셰이프 함수"라고 하는 비선형 함수를 학습합니다. 반면 선형 모델은 각 기능에 대한 선형 응답(예: 선)에 적합합니다. 입력 점수를 매기기 위해 모든 셰이프 함수의 출력을 합산하고 점수는 총 값입니다.
이 GAM 트레이너는 얕은 그라데이션 강화 트리(예: 트리 스텀프)를 사용하여 비각형 도형 함수를 학습하고, Lou, Caruana 및 Gehrke에 설명된 방법을 기반으로 합니다. "분류 및 회귀를 위한 이해할 수 있는 모델" KDD'12, 베이징, 중국. 2012. 학습 후에는 학습 집합에 대한 평균 예측을 나타내기 위해 절편이 추가되고 셰이프 함수는 평균 예측의 편차를 나타내도록 정규화됩니다. 이렇게 하면 인터셉트 및 셰이프 함수를 검사하여 쉽게 해석되는 모델이 생성됩니다. GAM 모델을 학습시키고 결과를 검사하고 해석하는 방법에 대한 예제는 아래 샘플을 참조하세요.
사용 예제에 대한 링크는 참고 섹션을 참조하세요.
필드
| FeatureColumn |
트레이너가 기대하는 기능 열입니다. (다음에서 상속됨 TrainerEstimatorBase<TTransformer,TModel>) |
| LabelColumn |
트레이너가 기대하는 레이블 열입니다. Can be |
| WeightColumn |
트레이너가 기대하는 체중 열입니다. 가중치가 학습에 사용되지 않음을 나타내는 일 |
속성
| Info |
IEstimator<TTransformer> 일반화된 GAM(가산 모델)을 사용하여 회귀 모델을 학습하기 위한 것입니다. (다음에서 상속됨 GamTrainerBase<TOptions,TTransformer,TPredictor>) |
메서드
| Fit(IDataView, IDataView) |
GamRegressionTrainer 학습 데이터와 유효성 검사 데이터를 모두 사용하여 학습하고 , 을 반환합니다RegressionPredictionTransformer<TModel>. |
| Fit(IDataView) |
를 학습하고 반환합니다 ITransformer. (다음에서 상속됨 TrainerEstimatorBase<TTransformer,TModel>) |
| GetOutputSchema(SchemaShape) |
IEstimator<TTransformer> 일반화된 GAM(가산 모델)을 사용하여 회귀 모델을 학습하기 위한 것입니다. (다음에서 상속됨 TrainerEstimatorBase<TTransformer,TModel>) |
확장 메서드
| AppendCacheCheckpoint<TTrans>(IEstimator<TTrans>, IHostEnvironment) |
추정기 체인에 '캐싱 검사점'을 추가합니다. 이렇게 하면 다운스트림 추정기가 캐시된 데이터에 대해 학습됩니다. 여러 데이터 전달을 수행하는 트레이너 앞에 캐싱 검사점을 두는 것이 유용합니다. |
| WithOnFitDelegate<TTransformer>(IEstimator<TTransformer>, Action<TTransformer>) |
추정기가 지정된 경우 대리자를 호출한 후 Fit(IDataView) 호출되는 래핑 개체를 반환합니다. 예측 도구가 적합한 항목에 대한 정보를 반환하는 것이 중요한 경우가 많습니다. 따라서 Fit(IDataView) 메서드는 일반 ITransformer개체가 아닌 특별히 형식화된 개체를 반환합니다. 그러나 동시에 IEstimator<TTransformer> 개체가 많은 파이프라인으로 형성되는 경우가 많으므로 변압기를 가져올 추정기가 이 체인의 어딘가에 묻혀 있는 위치를 통해 EstimatorChain<TLastTransformer> 추정기 체인을 빌드해야 할 수도 있습니다. 이 시나리오에서는 fit이 호출되면 호출되는 대리자를 이 메서드를 통해 연결할 수 있습니다. |