다음을 통해 공유


LdSvmTrainer 클래스

정의

IEstimator<TTransformer> 로컬 Deep SVM으로 학습된 비선형 이진 분류 모델을 사용하여 대상을 예측하는 것입니다.

public sealed class LdSvmTrainer : Microsoft.ML.Trainers.TrainerEstimatorBase<Microsoft.ML.Data.BinaryPredictionTransformer<Microsoft.ML.Trainers.LdSvmModelParameters>,Microsoft.ML.Trainers.LdSvmModelParameters>
type LdSvmTrainer = class
    inherit TrainerEstimatorBase<BinaryPredictionTransformer<LdSvmModelParameters>, LdSvmModelParameters>
Public NotInheritable Class LdSvmTrainer
Inherits TrainerEstimatorBase(Of BinaryPredictionTransformer(Of LdSvmModelParameters), LdSvmModelParameters)
상속

설명

이 트레이너를 만들려면 LdSvm 또는 LdSvm(옵션)을 사용합니다.

입력 및 출력 열

입력 레이블 열 데이터는 Boolean이어야 합니다. 입력 기능 열 데이터는 알려진 크기의 벡터 Single여야 합니다. 이 트레이너는 다음 열을 출력합니다.

출력 열 이름 열 유형 설명
Score Single 모델에서 계산한 바인딩되지 않은 점수입니다.
PredictedLabel Boolean 점수 부호에 따라 예측된 레이블 음수 점수는 false에 양수 점수는 true에 매핑됩니다.

트레이너 특성

기계 학습 작업 이진 분류
정규화가 필요한가요?
캐싱이 필요한가요? 아니요
Microsoft.ML 외에도 필요한 NuGet 없음
ONNX로 내보낼 수 있습니다. 아니요

학습 알고리즘 세부 정보

로컬 딥 SVM(LD-SVM)은 비선형 SVM에 대한 지역화된 다중 커널 학습의 일반화입니다. 여러 커널 메서드는 기능 공간의 각 지점에 대해 서로 다른 커널 및 다른 분류자를 학습합니다. 여러 커널 메서드의 예측 시간 비용은 지원 벡터 수에 비례하고 학습 집합의 크기에 따라 선형으로 증가하므로 대규모 학습 집합에 대해 엄청나게 비용이 많이 들 수 있습니다. LD-SVM은 높은 차원 및 스파스인 트리 기반 로컬 기능 포함을 학습하여 비선형성을 효율적으로 인코딩하여 예측 비용을 줄입니다. LD-SVM을 사용하면 예측 비용이 선형이 아닌 학습 집합의 크기에 따라 로그적으로 증가하며 분류 정확도가 저하됩니다.

로컬 딥 SVM은 효율적인 비선형 SVM 예측을 위한 로컬 딥 커널 학습, ICML, 2013년 C. Jose, P. Goyal, P. Aggrwal 및 M. Varma에 설명된 알고리즘의 구현입니다.

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 null, which indicates that label is not used for training.

(다음에서 상속됨 TrainerEstimatorBase<TTransformer,TModel>)
WeightColumn

트레이너가 기대하는 체중 열입니다. 가중치가 학습에 사용되지 않음을 나타내는 일 null수 있습니다.

(다음에서 상속됨 TrainerEstimatorBase<TTransformer,TModel>)

속성

Info

IEstimator<TTransformer> 로컬 Deep SVM으로 학습된 비선형 이진 분류 모델을 사용하여 대상을 예측하는 것입니다.

메서드

Fit(IDataView)

를 학습하고 반환합니다 ITransformer.

(다음에서 상속됨 TrainerEstimatorBase<TTransformer,TModel>)
GetOutputSchema(SchemaShape)

IEstimator<TTransformer> 로컬 Deep SVM으로 학습된 비선형 이진 분류 모델을 사용하여 대상을 예측하는 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.

적용 대상

추가 정보