LbfgsLogisticRegressionBinaryTrainer.Options 클래스

정의

네임스페이스:

Microsoft.ML.Trainers

어셈블리:

Microsoft.ML.StandardTrainers.dll

패키지:

Microsoft.ML v3.0.1

에 사용되는 에 LbfgsLogisticRegressionBinaryTrainer 대한 옵션 LbfgsLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, LbfgsLogisticRegressionBinaryTrainer+Options)

public sealed class LbfgsLogisticRegressionBinaryTrainer.Options : Microsoft.ML.Trainers.LbfgsTrainerBase<Microsoft.ML.Trainers.LbfgsLogisticRegressionBinaryTrainer.Options,Microsoft.ML.Data.BinaryPredictionTransformer<Microsoft.ML.Calibrators.CalibratedModelParametersBase<Microsoft.ML.Trainers.LinearBinaryModelParameters,Microsoft.ML.Calibrators.PlattCalibrator>>,Microsoft.ML.Calibrators.CalibratedModelParametersBase<Microsoft.ML.Trainers.LinearBinaryModelParameters,Microsoft.ML.Calibrators.PlattCalibrator>>.OptionsBase

type LbfgsLogisticRegressionBinaryTrainer.Options = class
    inherit LbfgsTrainerBase<LbfgsLogisticRegressionBinaryTrainer.Options, BinaryPredictionTransformer<CalibratedModelParametersBase<LinearBinaryModelParameters, PlattCalibrator>>, CalibratedModelParametersBase<LinearBinaryModelParameters, PlattCalibrator>>.OptionsBase

Public NotInheritable Class LbfgsLogisticRegressionBinaryTrainer.Options
Inherits LbfgsTrainerBase(Of LbfgsLogisticRegressionBinaryTrainer.Options, BinaryPredictionTransformer(Of CalibratedModelParametersBase(Of LinearBinaryModelParameters, PlattCalibrator)), CalibratedModelParametersBase(Of LinearBinaryModelParameters, PlattCalibrator)).OptionsBase

상속

Object

TrainerInputBase

TrainerInputBaseWithLabel

TrainerInputBaseWithWeight

LbfgsTrainerBase<LbfgsLogisticRegressionBinaryTrainer.Options,BinaryPredictionTransformer<CalibratedModelParametersBase<LinearBinaryModelParameters,PlattCalibrator>>,CalibratedModelParametersBase<LinearBinaryModelParameters,PlattCalibrator>>.OptionsBase

LbfgsLogisticRegressionBinaryTrainer.Options

생성자

LbfgsLogisticRegressionBinaryTrainer.Options()

에 사용되는 에 LbfgsLogisticRegressionBinaryTrainer 대한 옵션 LbfgsLogisticRegression(BinaryClassificationCatalog+BinaryClassificationTrainers, LbfgsLogisticRegressionBinaryTrainer+Options)

필드

ComputeStandardDeviation	이 의 ComputeLogisticRegressionStandardDeviation instance 학습이 끝날 때 학습 통계의 std를 계산합니다. 계산은 MKL 크기로 인해 Microsoft.ML 패키지의 일부가 아닙니다. 이러한 계산이 필요한 경우 Microsoft.ML.Mkl.Components 패키지를 추가하고 를 초기화합니다 ComputeStandardDeviation. 을 ComputeLogisticRegressionStandardDeviation Microsoft.ML.Mkl.Components 패키지의 구현에 연결합니다.
DenseOptimizer	내부 최적화 벡터의 강제 굴림 기본값은 false입니다. (다음에서 상속됨 LbfgsTrainerBase<TOptions,TTransformer,TModel>.OptionsBase)
EnforceNonNegativity	음수가 아닌 가중치를 적용합니다. 기본값은 false입니다. (다음에서 상속됨 LbfgsTrainerBase<TOptions,TTransformer,TModel>.OptionsBase)
ExampleWeightColumnName	가중치 예제에 사용할 열입니다. (다음에서 상속됨 TrainerInputBaseWithWeight)
FeatureColumnName	기능에 사용할 열입니다. (다음에서 상속됨 TrainerInputBase)
HistorySize	헤시안을 추정하기 위해 기억해야 할 이전 반복 횟수입니다. 값이 낮을수록 더 빠르지만 정확한 추정치가 줄어듭니다. (다음에서 상속됨 LbfgsTrainerBase<TOptions,TTransformer,TModel>.OptionsBase)
InitialWeightsDiameter	초기 가중치 크기 조정. (다음에서 상속됨 LbfgsTrainerBase<TOptions,TTransformer,TModel>.OptionsBase)
L1Regularization	L1 정규화 가중치입니다. (다음에서 상속됨 LbfgsTrainerBase<TOptions,TTransformer,TModel>.OptionsBase)
L2Regularization	L2 정규화 가중치입니다. (다음에서 상속됨 LbfgsTrainerBase<TOptions,TTransformer,TModel>.OptionsBase)
LabelColumnName	레이블에 사용할 열입니다. (다음에서 상속됨 TrainerInputBaseWithLabel)
MaximumNumberOfIterations	반복 횟수입니다. (다음에서 상속됨 LbfgsTrainerBase<TOptions,TTransformer,TModel>.OptionsBase)
NumberOfThreads	스레드 수 Null은 프로세서 수를 사용하는 것을 의미합니다. (다음에서 상속됨 LbfgsTrainerBase<TOptions,TTransformer,TModel>.OptionsBase)
OptimizationTolerance	최적화 수렴을 위한 허용 오차 매개 변수입니다. (낮음 = 느리고 더 정확). (다음에서 상속됨 LbfgsTrainerBase<TOptions,TTransformer,TModel>.OptionsBase)
Quiet	학습 중에 출력을 생성할지 여부를 결정합니다. (다음에서 상속됨 LbfgsTrainerBase<TOptions,TTransformer,TModel>.OptionsBase)
ShowTrainingStatistics	true 로 설정하면 학습이 끝날 때 학습 통계가 생성됩니다. 학습된 학습 매개 변수(500개 이상)가 많은 경우 학습 통계를 생성하는 데 몇 초 정도 걸릴 수 있습니다. 1,000개 이상의 가중치에는 몇 분 정도 걸릴 수 있습니다. 이러한 경우 Microsoft.ML.Mkl.Components 패키지에 있는 의 ComputeLogisticRegressionStandardDeviation instance 사용하는 것이 좋습니다. 하드웨어 가속을 사용하여 통계를 계산합니다.
StochasticGradientDescentInitilaizationTolerance	SGD를 실행하여 LR 가중치를 초기화하고 이 허용 오차에 수렴합니다. (다음에서 상속됨 LbfgsTrainerBase<TOptions,TTransformer,TModel>.OptionsBase)